ReThinker：通过引导性反思与置信度控制实现科学推理

大型语言模型在专家级科学推理任务上仍面临挑战，尤其是在如《人类最后考试》（HLE）等基准测试中，受限于固定的工具流程、脆弱的多代理协调以及低效的测试时扩展能力。本文提出ReThinker，一种基于置信度的智能体框架，通过分阶段的Solver-Critic-Selector架构协调检索、工具使用和多代理推理。不同于固定流程，ReThinker根据模型置信度动态分配计算资源，实现自适应工具调用、引导性的多维反思以及稳健的置信度加权选择。为支持无需人工标注的可扩展训练，我们进一步提出反向数据合成管道和自适应轨迹重用策略，将成功的推理过程转化为高质量的监督信号。实验表明，ReThinker在HLE、GAIA和XBench等基准上均优于现有最先进的基础模型和深度研究系统，在专家级推理任务中取得最先进结果。