Zespół badawczy opublikował AIBuildAI-2.5, system agentowy zdolny do autonomicznego budowania modeli AI poprzez przeszukiwanie drzewa kierowane modelami językowymi. System stanowi ewolucję podejścia ramkowania tworzenia modeli jako problemu przeszukiwania kodu, gdzie każdy węzeł drzewa reprezentuje kandydacyjny program.
Klucze rozwiązania stawiają czoła trzem istotnym ograniczeniom wcześniejszych podejść. Po pierwsze, nowy mechanizm oceny LLM-guided tree search wykorzystuje sędziego, który ocenia kandydatów na podstawie oczekiwanej poprawy, ugruntowania i wykonalności, zamiast polegać na małej liczbie hałaśliwych wyników z Monte Carlo. Po drugie, system wprowadza strategie harmonogramowania zadań treningowych świadome ograniczeń zasobów, co poprawia wykorzystanie sprzętu. Po trzecie, zamiast obsługiwać wszystkie zapytania jednym potężnym modelem, AIBuildAI-2.5 optymalizuje koszty wnioskowania.
To rozwiązanie ma potencjał demokratyzacji dostępu do rozwoju AI, umożliwiając naukowcom i inżynierom z różnych dziedzin budowanie zaawansowanych modeli bez konieczności posiadania doświadczenia doświadczonych specjalistów od sztucznej inteligencji. System zbliża się do możliwości konkurencyjnych z pracą ekspertów na rzeczywistych benchmarkach.