MiroThinker-1.7 & H1: Towards Heavy-Duty Research Agents via Verification

Il paper presenta MiroThinker-1.7 e la sua versione avanzata H1, agenti di ricerca open-source progettati per compiti di ragionamento complesso a lungo termine che migliorano l'affidabilità attraverso una fase di addestramento strutturata e l'integrazione di meccanismi di verifica locali e globali, ottenendo risultati all'avanguardia in ambiti come la ricerca scientifica e l'analisi finanziaria.

L'essenziale

Immagina di dover risolvere un enigma complesso, come trovare l'origine di un antico manoscritto o analizzare le cause di un crollo finanziario. Se chiedi a un normale assistente AI, potrebbe darti una risposta veloce ma superficiale, come un turista che guarda una città solo dalla cima di un autobus.

MiroThinker è diverso: è come un investigatore privato professionista che non si accontenta di guardare in superficie, ma scava, controlla le prove e non si ferma finché non ha la certezza assoluta.

Ecco come funziona, diviso in due "personaggi":

1. MiroThinker-1.7: L'Investigatore Addestrato

Prima di diventare un super-eroe, questo modello ha subito un addestramento speciale. Immagina di insegnare a un bambino a risolvere un puzzle:

• Non gli dai solo il pezzo: Gli insegni a pensare prima di agire.
• La "Mid-Training" (Addestramento di Metà): È come se l'investigatore facesse un corso intensivo di pianificazione. Impara a non saltare subito alla conclusione, ma a fare un piano: "Prima cerco su Google, poi leggo quel PDF, poi confronto i dati".
• Il risultato: Invece di fare 100 passi a caso sperando di trovare la soluzione (come un cieco che sbatte contro i muri), MiroThinker-1.7 fa meno passi, ma ogni passo è preciso e utile. Risolve i problemi più velocemente e con meno errori.

2. MiroThinker-H1: L'Investigatore con il "Controllore di Qualità"

Qui entra in gioco la vera magia. MiroThinker-H1 prende il suo "fratello minore" (1.7) e gli dà due nuovi superpoteri basati sulla verifica. Immagina di avere un team di lavoro dove c'è chi fa il lavoro e chi lo controlla:

• Il Verificatore Locale (Il Controllore in Tempo Reale):
  Mentre l'investigatore sta lavorando, il Verificatore Locale gli sussurra: "Ehi, aspetta! Hai appena letto un sito web che sembra sospetto. Prima di continuare, controlla di nuovo quel dato. Forse hai frainteso qualcosa."
  Questo permette di correggere gli errori mentre si sta ancora pensando, invece di scoprire il disastro alla fine. È come avere un navigatore che ti dice "Hai sbagliato strada" subito, non dopo 100 chilometri.

• Il Verificatore Globale (Il Capo Progetto):
  Quando l'investigatore pensa di aver finito, il Verificatore Globale guarda l'intera storia: "Ok, hai raccolto tutte queste prove. Ma formano una catena logica coerente? O hai saltato un passaggio fondamentale?"
  Se le prove non sono abbastanza solide, il sistema dice: "Non ancora. Torna indietro e cerca di più." Questo assicura che la risposta finale sia supportata da fatti solidi, non da supposizioni.

Perché è importante? (La Metafora del "Più Lungo" vs "Migliore")

Fino a poco tempo fa, si pensava che per essere più intelligenti, un'AI dovesse semplicemente fare più passi (più ricerche, più click).
Il paper ci dice che sbagliato.

• Vecchio modo: Camminare per ore in una foresta sperando di trovare l'uscita, anche se ti perdi spesso.
• Nuovo modo (MiroThinker): Camminare meno, ma con una bussola perfetta e un controllo costante della mappa.

I risultati mostrano che MiroThinker-H1 è diventato il migliore al mondo in compiti difficili come:

• Ricerca sul web: Trovare informazioni nascoste in mezzo a milioni di pagine.
• Scienza: Risolvere problemi complessi di chimica o fisica.
• Finanza: Analizzare report economici per trovare il vero motivo di un guadagno o di una perdita.

In sintesi

MiroThinker non è solo un'AI che "parla bene". È un sistema che pensa, agisce e si controlla.

• 1.7 è l'investigatore che ha imparato a pianificare bene.
• H1 è l'investigatore che ha anche un ispettore che controlla ogni sua mossa per assicurarsi che non stia mentendo a se stesso.

Grazie a questo approccio, l'AI non si limita a "indovinare" risposte, ma costruisce prove solide, proprio come farebbe un umano esperto, ma molto più velocemente e senza stancarsi. E la cosa migliore? Hanno reso disponibili le versioni "piccole" (1.7 e 1.7-mini) gratuitamente, così chiunque può usare questo nuovo tipo di intelligenza.

Sommario tecnico

1. Il Problema: Limiti del Ragionamento a Lungo Orizzonte

Nonostante i recenti progressi nei Large Language Models (LLM), la risoluzione di problemi reali complessi (analisi scientifica, ragionamento finanziario, ricerca aperta) richiede più della semplice generazione di testo conversazionale. Queste attività necessitano di catene di ragionamento lunghe, raccolta iterativa di informazioni e verifica delle conclusioni intermedie.

Il documento identifica un problema fondamentale negli attuali sistemi agentic: la semplice estensione della lunghezza delle traiettorie di interazione non garantisce un miglioramento delle prestazioni. Al contrario, se i passaggi intermedi sono imprecisi o scarsamente fondati, traiettorie più lunghe tendono ad accumulare rumore, propagare errori e degradare la qualità della soluzione. L'ipotesi centrale è che per migliorare il ragionamento a lungo orizzonte sia necessario scalare l'interazione efficace (migliorando la qualità di ogni singolo passo) piuttosto che semplicemente aumentare il numero di passi.

2. Metodologia e Architettura

Il team introduce due modelli: MiroThinker-1.7 (un agente di ricerca profondo) e MiroThinker-H1 (una versione potenziata con modalità di ragionamento "heavy-duty" basata sulla verifica).

A. Pipeline di Addestramento Integrata

MiroThinker-1.7 è basato su modelli Qwen3 MoE ed è addestrato attraverso una pipeline a quattro stadi:

1. Mid-training Agentic: Una fase cruciale per potenziare le capacità atomiche dell'agente (pianificazione, ragionamento, uso degli strumenti e sintesi). Utilizza supervisione su larga scala per compiti come la pianificazione a freddo (cold-start), il ragionamento condizionato al contesto e la sintesi di risposte. Questo rende ogni singolo passo di interazione più affidabile.
2. Supervised Fine-Tuning (SFT): Addestramento su traiettorie esperte multi-step per replicare comportamenti strutturati di interazione con gli strumenti.
3. Preference Optimization (DPO): Ottimizzazione delle preferenze per allineare le decisioni del modello agli obiettivi del compito, utilizzando criteri basati sulla correttezza della risposta finale senza vincoli strutturali rigidi.
4. Reinforcement Learning (RL): Utilizzo di Group Relative Policy Optimization (GRPO) in ambienti live per permettere al modello di affinare il comportamento tramite trial-and-error, con meccanismi di controllo dell'entropia per evitare il collasso prematuro della politica.

B. Framework di Interazione e Strumenti

Il sistema opera in un ciclo iterativo ReAct esteso con gestione del contesto:

• Gestione del Contesto: Utilizza una finestra scorrevole (sliding window) per le osservazioni (mantenendo solo le ultime 5) per risparmiare token, pur conservando la traccia completa di pensieri e azioni.
• Strumenti: L'agente interagisce con strumenti per il recupero informazioni (ricerca Google, scraping), esecuzione di codice (sandbox Linux E2B) e trasferimento file.
• Robustezza: Include meccanismi di correzione automatica degli errori negli inviti agli strumenti e politiche di riavvio dell'episodio (episode restart) se il budget di turni viene esaurito senza una risposta valida.

C. Costruzione dei Dati (QA Synthesis)

Per l'addestramento, è stato sviluppato un framework di sintesi QA a due pipeline:

• Corpus-based Pipeline: Generazione ad alto volume da grafi di conoscenza strutturati (es. Wikipedia).
• WebHop Pipeline: Generazione di domande multi-hop basate su espansione web in tempo reale, con verifica gerarchica della solvibilità e oscuramento adattivo delle risposte per evitare fughe di informazioni.

D. Modalità di Ragionamento Heavy-Duty (MiroThinker-H1)

La novità principale di H1 è l'integrazione della verifica direttamente nel processo di ragionamento a due livelli:

1. Local Verifier (Verifica Locale): Durante l'inferenza, valuta e rifinisce i singoli passi intermedi (decisioni di pianificazione, invocazioni di strumenti). Permette all'agente di correggere errori precocemente ed esplorare percorsi alternativi invece di seguire ciecamente la probabilità più alta.
2. Global Verifier (Verifica Globale): Audita l'intera traiettoria di ragionamento e confronta i percorsi candidati. Sfrutta l'asimmetria tra generazione e verifica (spesso è più facile verificare una soluzione che generarla) per assicurarsi che la risposta finale sia supportata da una catena di prove coerente. Se le prove sono insufficienti, il sistema chiede all'agente di campionare di nuovo o completare la catena.

3. Risultati Sperimentali

I modelli sono stati valutati su una vasta gamma di benchmark, inclusi ricerca web, ragionamento scientifico e analisi finanziaria.

• Prestazioni Generali: MiroThinker-H1 ha raggiunto lo stato dell'arte (SOTA) su diversi benchmark:
  • BrowseComp: 88.2 (vs 85.9 di Gemini-3.1-Pro e 84.0 di Claude-4.6).
  • BrowseComp-ZH: 84.4.
  • GAIA: 88.5 (superando GPT-5 di 12.1 punti).
  • SEAL-0: 61.3 (migliore risultato tra tutti i modelli valutati).
• Dominio Professionale:
  • FrontierScience-Olympiad: 79.0 (superando GPT-5.2-high e Gemini-3-Pro).
  • FinSearchComp: 73.9.
  • MedBrowseComp: 56.5.
• Efficienza e Scalabilità:
  • MiroThinker-1.7-mini (solo 3B parametri attivati) ha mostrato prestazioni competitive, superando modelli molto più grandi su alcuni task, dimostrando l'efficacia della pipeline di addestramento.
  • Scaling Efficace: Rispetto alla versione precedente (1.5), MiroThinker-1.7-mini ha ottenuto prestazioni superiori del 16.7% riducendo i turni di interazione del 43%, confermando che la qualità del singolo passo è più importante della lunghezza della traiettoria.
• Generazione di Report: Su una valutazione di 50 query di ricerca profonda, H1 ha ottenuto il punteggio più alto per la qualità del report e una forte fondazione fattuale, superando agenti commerciali come Grok Deep Research e ChatGPT-5.4.

4. Contributi Chiave

1. Paradigma di Scalabilità: Spostamento dal semplice allungamento delle traiettorie di ragionamento allo scaling dell'interazione efficace, garantendo che ogni passo sia informativo e affidabile.
2. Pipeline di Addestramento Agentic: Introduzione di una fase di "mid-training" specifica per potenziare le capacità atomiche (pianificazione, uso strumenti) prima del fine-tuning e del RL.
3. Ragionamento Verificativo (H1): Integrazione sistematica di verificatori locali e globali che auditano il processo di ragionamento in tempo reale, permettendo correzioni dinamiche e selezione della soluzione meglio supportata dalle prove.
4. Open Source: Rilascio dei pesi di MiroThinker-1.7 e 1.7-mini su HuggingFace, rendendo disponibili capacità di agenti di ricerca avanzate alla comunità.

5. Significato e Implicazioni

Questo lavoro rappresenta un passo significativo verso la creazione di agenti AI autonomi capaci di risolvere problemi complessi nel mondo reale. Dimostra che la combinazione di un addestramento nativo per agenti (agentic-native training) e un ragionamento centrato sulla verifica può superare i limiti delle attuali architetture, offrendo non solo maggiore accuratezza ma anche maggiore efficienza computazionale. La capacità di MiroThinker-H1 di operare con successo in domini specializzati (scienza, finanza) suggerisce che tali sistemi sono pronti per essere utilizzati come assistenti di ricerca avanzati in scenari professionali critici.