Trinity to nowy framework do samopolepszania się agentów AI, który łączy generowanie środowisk z ewolucją modeli w zintegrowany system. Zamiast organizować zadania po kategoriach powierzchniowych, Trinity identyfikuje wspólne wymogi umiejętnościowe między różnymi modalności i formami zadań, reorganizując je w hierarchiczne drzewo możliwości.
Framework działa poprzez trzech agentów: Creator abstrakcyjnie reprezentuje wspólne wymogi różnych zadań jako uproszczone, weryfikowalne światy symulacyjne, Explorer ewoluuje wielokrotnie użyteczne moduły umiejętnościowych poprzez selektywne dziedziczenie, a Evolver zarządza całym procesem. Podejście Capability-Driven Real2Sim2Real pozwala na efektywne uczenie w symulacjach z następującą walidacją transferu na oryginalnych zadaniach. Wynikowe modele tworzą drzewo Harness, którego zweryfikowane aktualizacje gromadzą się iteracyjnie w stałej topologii.
Problemy, które Trinity rozwiązuje, są fundamentalne dla skalowania AI multimodalnego: budowa heterogenicznych, weryfikowalnych środowisk jest droga, a ręczne dostosowanie modeli nie może dotrzymać kroku rosnącej różnorodności i złożoności zadań. Framework daje możliwość autonomicznego samopolepszania się bez ciągłej interwencji człowieka, co otwiera nowe perspektywy dla rozwoju bardziej zaawansowanych agentów AI.