Google Research открыла RRSI для самоулучшающихся ИИ-агентов
Google Cloud AI Research совместно с UNC-Chapel Hill, Stanford и Washington University in St. Louis выпустила RRSI (Regularized Recursive Self-Improvement) — исследовательский фреймворк Apache 2.0 для адаптации «обвязки» LLM-агента. Он позволяет менять подсказки, инструменты, память, логику управления и субагентов, не изменяя веса модели. Для работы нужны Python 3.10+ и строка модели LiteLLM; настройки по умолчанию рассчитаны на Claude Opus 4.8 в Vertex AI.
RRSI призвана снижать переобучение при последовательной эволюции обвязки. В систему входят критик утечек, порог с поправкой на шум, журналирование гипотез и изменений, правило, связывающее дополнительные токены с измеренным выигрышем, а также удаление компонентов, переставших приносить улучшения. Постепенно уменьшаемый бюджет правок допускает несколько изменений на ранних этапах и одну проверяемую правку на поздних.
На Terminal-Bench 2.1 результат вырос с 74.2% до 80.2%, а на SWE-bench Verified, не использовавшемся для отбора, — с 82.0% до 83.8%. Средний показатель на JobBench, GDPval и APEX-Agents достиг 43.6 против 39.7 у исходной обвязки. В тесте с агентным рабочим пространством RRSI использовала 2.42 млн policy tokens на испытание против 3.80 млн у нерегулируемой эволюции. В аннотации это описано как сокращение на 30%, а на странице проекта — на 36%.
Текст подготовлен ИИ Sakhanda Wire по материалу MarkTechPost. Факты, цитаты и полный контекст — в оригинальной статье ниже.