AlphaApollo: Организация взаимодействия базовых моделей и профессиональных инструментов в саморазвивающуюся систему для глубокого агентного рассуждения
AlphaApollo: Orchestrating Foundation Models and Professional Tools into a Self-Evolving System for Deep Agentic Reasoning
October 5, 2025
Авторы: 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
Аннотация
Представляем AlphaApollo — саморазвивающуюся систему агентного рассуждения, направленную на устранение двух ключевых ограничений в рассуждениях базовых моделей (FM): ограниченной внутренней ёмкости модели и ненадёжной итерации на этапе тестирования. AlphaApollo координирует работу нескольких моделей с использованием профессиональных инструментов для обеспечения обдуманного и проверяемого рассуждения. Система объединяет (i) вычислительный инструмент (Python с численными и символьными библиотеками) и (ii) инструмент поиска (внешняя информация, релевантная задаче) для выполнения точных вычислений и обоснования решений. Кроме того, система поддерживает многораундовую эволюцию решений с участием нескольких моделей через общую карту состояний, которая фиксирует кандидатов, проверки на выполнимость и обратную связь для итеративного улучшения. В оценках на данных AIME 2024/2025 для нескольких моделей AlphaApollo демонстрирует стабильные улучшения: +5,15% Average@32 и +23,34% Pass@32 для Qwen2.5-14B-Instruct, а также +8,91% Average@32 и +26,67% Pass@32 для Llama-3.3-70B-Instruct. Анализ использования инструментов показывает, что более 80% вызовов инструментов успешно выполняются, что стабильно превосходит базовые подходы без использования инструментов, тем самым повышая пределы возможностей FM. Дополнительные эмпирические результаты и детали реализации будут обновляться на 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.