Samopolepszające się agenty AI - przegląd nowoczesnych systemów

Artykuł naukowy z arXiv porządkuje rosnące pole badań poświęcone samopolepszającym się agentom autonomicznym, które przechodzą od eksperymentów badawczych do faktycznie wdrażanych systemów. Autorzy proponują systemowe ramy konceptualne opisujące nowoczesne agenty jako adaptacyjne systemy konwertujące doświadczenie w przyrosty możliwości.

W ramy te wpisują architekturę składającą się z modelu bazowego - na wzór współczesnych dużych modeli językowych - powiązanego z operacyjnym szkieletem obejmującym prompty, pamięć, dostępne narzędzia i logikę sterowania. Samopolepszanie się jest sformalizowane jako operator zmian, którym agent sam kieruje, uaktualniając parametry modelu albo komponenty szkieletu. Przegląd systematycznie organizuje wcześniejsze prace według tego, co dokładnie ulegało zmianie i jakie sygnały napędzały transformację - od feedbacku użytkownika po metryki wydajności.

To ważne dlatego, że opisuje przejście agentów z etapu laboratoryjnego do rzeczywistych wdrożeń bez ingerencji człowieka. Artykuł mapuje zarówno praktyczne aplikacje tych systemów, metody ich ewaluacji, jak i główne otwarte problemy. Autorzy utrzymują repozytorium śledące aktualne prace techniczne w tej dziedzinie, co ułatwia śledzenie szybko rozwijającego się obszaru badań.