El artículo RSI-Anything, con 32 votos, sigue una ruta de auto-mejora recursiva: usa un modelo del mundo como compañero de entrenamiento y hace que el agente se plantee sus propios retos, revise sus planes y vuelva a intentarlo en un entorno simulado. Sin depender de puntuaciones externas, usa la coherencia interna como criterio. Tras 1000 rondas, la estabilidad de sus acciones aumentó notablemente.

Para protocolos de agentes como $FET , esto es un punto de conexión, no un truco publicitario. Si los agentes pueden cometer errores y aprender de ellos por sí mismos, se reducen los costes de implementación. Lo que antes requería ajustes mediante retroalimentación humana ahora cuenta, según el artículo, con un método que no necesita supervisión. Esta ruta de subred también se beneficia: los nodos de validación ya no tienen que asignar puntuaciones manualmente todo el tiempo, sino que pueden usar directamente el mecanismo de autoevaluación del artículo como función de coste.

Esta vez no se trata de acumular capacidad de cómputo, sino de dar un paso adelante en la forma de entrenar para que los agentes se vuelvan más capaces. A largo plazo, la valoración de los protocolos de agentes seguirá el ritmo de los avances de la investigación. Cuando aparezca una reproducción de código abierto, su implementación dejará de ser solo una presentación de PowerPoint.

#递归自改进 #世界模型 #AI