ИИ-агент семь раз улучшил свой код за 8 дней

Здесь агент не просто выполнял задачи, а менял программу, которая управляет его работой. После каждого раунда он предлагал переписать собственный код, запускал изменённую версию на скрытых проверках и передавал дальше только те изменения, которые давали лучший результат. Поэтому следующая версия уже строилась на предыдущей — именно это авторы называют рекурсивным самоулучшением.

Авторы проверяли не одну идею, а целый набор способов сделать агента эффективнее. Среди удачных изменений оказались новая стратегия поиска решений и механизмы памяти: они сжимали накопившийся контекст и помогали им управлять. Это важно, потому что исследовательский агент со временем получает слишком много промежуточной информации, и простое увеличение объёма контекста не обязательно делает его работу лучше.

После отбора систему проверили на задачах, которые не участвовали в улучшении. Они охватывали не только разработку машинного обучения, но и инженерные алгоритмы и прогнозирование погоды на основе физических моделей. Последняя область особенно показательна: агент с ней не сталкивался во время отбора изменений, но его улучшения всё равно перенеслись туда. Такой перенос нужен, чтобы отличить реальное повышение эффективности от подгонки под знакомые тесты.

Идея возникла на фоне проблемы у самой индустрии: одни и те же дополнительные расходы на исследования со временем приносят всё меньший прирост. Если агент способен улучшать собственный рабочий процесс, то часть такой работы можно поручить ему самому. Но эксперимент показывает лишь возможность этого подхода для конкретного агента и набора задач, а не универсальный способ автоматически развивать любые ИИ-системы.