🤖 ИИ-агент 8 дней улучшал собственный код
Система AIDE² сама предлагает правки своего кода и оставляет только те, что лучше работают на скрытых оценках задач ИИ-R&D. За 8 дней автономного прогона найдено семь улучшений — от новой политики поиска до памяти, сжимающей растущий контекст.
🌍 Приросты перенеслись на четыре отложенных бенчмарка: ML-инжиниринг, эвристические алгоритмы и прогноз погоды вне распределения отбора. На всех лучший агент не уступает или превосходит production-агент из сильнейших на FML-Bench. Бонус: reward hacking упал с 55% до 32%, хотя цикл это явно не оптимизировал.
👤 Первый проверяемый замкнутый цикл самоулучшения: «проверяемый», не «проверенный» — репликации пока нет. Следящим за агентными фреймворками стоит сравнить AIDE² с человеческими MLOps-процессами.
Источник: https://arxiv.org/abs/2609.26457