Исследователи AREX-2 опубликовали фреймворк, обучающий агентов рефлексии и самокоррекции на длинных горизонтах — агент больше не останавливается при ошибке, а итеративно улучшает решение. Проблема. Типичный подход оценивает агента по однократному результату — за задачу или против. AREX-2 предлагает два механизма: рефлексию (модель анализирует свои действия и предлагает улучшения) и долгосрочное исполнение (поддержание цикла уточнений без «загрязнения» контекста). Шаг 20 — момент, где обычный агент застревает или галлюцинирует успех. Как это работает. Агент теперь может «отлаживать себя», как программист, который переписывает один и тот же блок кода несколько часов подряд — и с каждым прогоном становится лучше. Это снимает основное ограничение текущих систем. Статья на arXiv:2609.38288 не раскрывает авторов, тестируемые модели и метрики — только общую схему. Конкретных чисел, подтверждающих результат, нет. Что это значит: если подход работает, как описан, — это смена парадигмы: агенты перестают зацикливаться и закрывают задачи, которые сейчас требуют ручного вмешательства.