Сейчас есть два основных подхода к совершенствованию ИИ-агентов. Первый — когда мета-агент переписывает программу и настройки модели (инструменты, подсказки, логику), оставляя ее веса неизменными. Второй — когда модель учится через подкрепление, обновляя свои веса, но не меняя программу. Оба подхода работают по отдельности, и ни один не закрывает задачу полностью.

Исследователи разработали SIA — единый цикл самосовершенствования, в котором «агент обратной связи» одновременно меняет и программу, и веса модели. SIA генерирует гипотезы, проводит эксперименты, оценивает результаты, обновляет свои методы и повторяет процесс.

Систему протестировали на трёх задачах: классификации юридических обвинений, оптимизации ядер GPU и шумоподавлении данных. Результаты показали, что совместное использование обоих подходов работает значительно лучше, чем каждый по отдельности. Прирост точности на юридических данных составил 56,6%, время выполнения вычислений сократилось на 91,9%, а эффективность шумоподавления выросла на 502%. Обновление программы помогает агенту действовать и искать решения, а обновление весов — развивать глубокое понимание предметной области.

По данным Hexo Labs и тестирования, проведённого с использованием методологии OpenAI, SIA способен ускорять путь к «сверхинтеллекту» примерно в 350 раз по сравнению с традиционными подходами. В компании утверждают, что это делает систему одним из наиболее перспективных инструментов для развития агентного ИИ.

Компания планирует использовать SIA для решения задач в науке, инженерии, бизнес-аналитике и других областях. Проект разрабатывается в сотрудничестве с исследователями из Оксфорда и Калифорнийского университета в Санта-Барбаре.

Hexo Labs выпустила SIA как open-source фреймворк для исследовательского сообщества. Внутренние тесты показали высокие результаты агента в бенчмарке MLE-Bench от OpenAI, предназначенном для оценки способности ИИ обучать другие модели.