SciMaster：迈向通用科学 AI 智能体，第一部分。以 X-Master 为基础：我们能否在人类的终极考试中取得领先？

AI智能体的快速发展点燃了利用它们加速科学发现的长期抱负。实现这一目标需要对人类知识前沿有深刻的理解。因此，“人类的期末考试”（Humanity's Last Exam, HLE）为评估科学AI智能体提供了一个极具挑战性的试金石。在这项工作中，我们旨在构建通用智能体的基础架构，并通过在HLE上取得的领先表现来验证其能力。为此，我们引入了X-Master，这是一种工具增强型推理智能体，旨在通过在其推理过程中与外部工具灵活交互来模拟人类研究人员。该智能体以代码作为交互语言的概念为指导，可以灵活利用内置的Python库和我们定制的工具来增强推理能力。我们通过X-Masters进一步扩展了其能力，这是一个分散堆叠的智能体工作流，系统性地增强了推理的广度和深度。我们的开源解决方案X-Masters在HLE上创造了新的最先进记录，得分达到32.1%，超越了OpenAI（26.6%）和Google Deep Research（26.9%），成为首个突破30%门槛的系统。这项工作使我们能够更深入地理解复杂任务的解决过程，并积累了宝贵经验，可以为未来的进步提供信息，指导后续的模型训练。