Google Cloud AI Research wspólnie z badaczami z uniwersytetów UNC-Chapel Hill, Stanford i Washington University udostępnił RRSI - framework umożliwiający agentom opartym na modelach językowych samodzielne ulepszanie swojej konfiguracji. W przeciwieństwie do tradycyjnych podejść, RRSI pozwala na zmianę promptów, narzędzi, systemów pamięci, przepływu kontroli i sub-agentów bez jakichkolwiek zmian w wadze modelu bazowego.
Głównym problemem wcześniejszych metod samoulepszania było przeuczenie się - agenty optymalizowały się specjalnie do benchmarków treningowych, tracąc zdolność generalizacji na nowe zadania. Google Research zidentyfikował trzy główne sposoby przeuczenia: dopasowanie benchmark-specific, goniec za szumem i akumulacja złożoności. RRSI rozwiązuje ten problem poprzez regularyzację samego procesu poszukiwania, a nie składników systemu. System wprowadza zaplanowany budżet edycji, który pozwala na wiele zmian w początkowych rundach, ale ogranicza się do jednej zmienialnej zmiany w rundach końcowych. Każdy kandydat jest dokumentowany z informacjami o zmianach, wynikach i kosztach, co pozwala agentowi uczyć się na błędach i nie powtarzać sfalsyfikowanych pomysłów.
Framework jest już dostępny dla badaczy na licencji Apache 2.0, wymaga Python 3.10+ i akceptuje jakikolwiek string modelu obsługiwany przez LiteLLM. Domyślnie pracuje z Claude Opus 4.8 na platformie Vertex AI. To otwarcie badawcze oznacza, że kolejny krok w kierunku agentów zdolnych do efektywnego samodzielnego uczenia się bez utraty zdolności transferu na nowe problemy.