AlphaApollo: Orquestación de Modelos Fundacionales y Herramientas Profesionales en un Sistema Autoevolutivo para el Razonamiento Agente Profundo
AlphaApollo: Orchestrating Foundation Models and Professional Tools into a Self-Evolving System for Deep Agentic Reasoning
October 5, 2025
Autores: Zhanke Zhou, Chentao Cao, Xiao Feng, Xuan Li, Zongze Li, Xiangyu Lu, Jiangchao Yao, Weikai Huang, Linrui Xu, Tian Cheng, Guanyu Jiang, Yiming Zheng, Brando Miranda, Tongliang Liu, Sanmi Koyejo, Masashi Sugiyama, Bo Han
cs.AI
Resumen
Presentamos AlphaApollo, un sistema de razonamiento agente auto-evolutivo que busca abordar dos cuellos de botella en el razonamiento de los modelos base (FM): la capacidad intrínseca limitada del modelo y la iteración poco confiable en tiempo de prueba. AlphaApollo orquesta múltiples modelos con herramientas profesionales para permitir un razonamiento deliberado y verificable. Combina (i) una herramienta de cálculo (Python con bibliotecas numéricas y simbólicas) y (ii) una herramienta de recuperación (información externa relevante para la tarea) para ejecutar cálculos exactos y fundamentar decisiones. El sistema además soporta la evolución de soluciones en múltiples rondas y con múltiples modelos mediante un mapa de estado compartido que registra candidatos, verificaciones ejecutables y retroalimentación para el refinamiento iterativo. En evaluaciones sobre AIME 2024/2025 con múltiples modelos, AlphaApollo ofrece mejoras consistentes: +5.15% Average@32 y +23.34% Pass@32 para Qwen2.5-14B-Instruct, y +8.91% Average@32 con +26.67% Pass@32 para Llama-3.3-70B-Instruct. El análisis del uso de herramientas muestra que más del 80% de las llamadas a herramientas se ejecutan con éxito, superando consistentemente a las líneas base sin herramientas, elevando así el límite de capacidad de los FM. Más resultados empíricos y detalles de implementación se actualizarán en https://github.com/tmlr-group/AlphaApollo.
English
We present AlphaApollo, a self-evolving agentic reasoning system that aims to
address two bottlenecks in foundation model (FM) reasoning-limited
model-intrinsic capacity and unreliable test-time iteration. AlphaApollo
orchestrates multiple models with professional tools to enable deliberate,
verifiable reasoning. It couples (i) a computation tool (Python with numerical
and symbolic libraries) and (ii) a retrieval tool (task-relevant external
information) to execute exact calculations and ground decisions. The system
further supports multi-round, multi-model solution evolution via a shared state
map that records candidates, executable checks, and feedback for iterative
refinement. In evaluations on AIME 2024/2025 across multiple models,
AlphaApollo delivers consistent gains: +5.15% Average@32 and +23.34% Pass@32
for Qwen2.5-14B-Instruct, and +8.91% Average@32 with +26.67% Pass@32 for
Llama-3.3-70B-Instruct. Tool-use analysis shows that more than 80% of tool
calls are successfully executed, with consistent outperformance of non-tool
baselines, thereby lifting the capability ceiling of FMs. More empirical
results and implementation details will be updated at
https://github.com/tmlr-group/AlphaApollo.