AIが自分で賢くなる実験に成功

研究者たちは、8日間にわたり、autoresearchエージェントに対してautoresearchを行いました。その結果は、彼らが2年間手作業で調整してきたharnessを上回りました。この完全に自律的なシステムは、評価に対してコードを最適化するinner loopと、異なるベンチマークにおけるinner loopの平均スコアに対してinner-loopエージェントのharnessコードを最適化するouter loopを持っていました。このシステムは、新しい検索アルゴリズムを設計し、プロンプトサイズを16倍に削減し、reward hackingに対抗する階層型システムを構築しました。