AutoFyn to nowy framework dla agentów AI oparty na iteracyjnym doskonaleniu poprzez Expert Iteration, który zamiast zmieniać wagi modelu, aktualizuje trwały stan agenta na podstawie zweryfikowanych sygnałów nagrody. System pracuje w cyklach - każda runda rozpoczyna się od czystej sesji modelu, a wiedzę z poprzednich rund reintroducuje poprzez interfejsy takie jak pliki pamięci trwałej, raporty i stan repozytorium. W każdej rundzie orkiestrator kieruje specjalistycznymi agentami do eksploracji i planowania wielu alternatywnych podejść, podczas gdy weryfikator sprawdza pracę i dostarcza obiektywny sygnał nagrody mierzący postęp.
Wyniki AutoFyna są imponujące. W testach na świeżych problemach z Międzynarodowej Olimpiady Matematycznej 2026 wszystkie modele z pokojem do poprawy osiągnęły wyższe wyniki pod AutoFynem niż w natywnych agentach kodujących dostawców. System zajął również pierwsze miejsce na benchmarku Spider 2.0 dbt, który mierzy zdolność agentów do analizy danych i inżynierii danych. W domenie bezpieczeństwa AutoFyn odkrył i pomógł potwierdzić 16 doradztw dotyczących podatności w popularnych projektach open source, w tym Next.js, MetaMask, pnpm, Warp, LiteLLM, Langflow i Open WebUI.
To podejście jest znaczące, bo demonstruje nowy kierunek w doskonaleniu agentów AI - zamiast ponownie trenować modele, możliwe jest systematyczne ulepszanie ich działania poprzez zarządzanie stanem i wykorzystywanie zweryfikowanych sygnałów zwrotnych. Ma to praktyczne znaczenie dla długoterminowych zadań wymagających iteracyjnego ulepszania, od rozwiązywania złożonych problemów matematycznych po odkrywanie luk bezpieczeństwa w oprogramowaniu.