Hari ini, AI Papers Ranking #1 memasukkan rekursi perbaikan-diri ke dalam scientific agent; intinya adalah membuat agen itu sendiri memecah eksperimen, menulis kode untuk menjalankan eksperimen, lalu mengiterasi strategi dirinya menggunakan hasilnya, membentuk siklus berulang «eksperimen—umpan balik—peningkatan». Dengan 17 suara, ia menggeser penelitian lain jauh di depan.

Jalur ini sangat cocok dengan protokol agent di ekosistem kripto: agen dapat berkembang sendiri secara stabil, dan pasar riset on-chain serta protokol simulasi eksperimen bisa langsung diintegrasikan. Agen sendiri yang menjadwalkan pendanaan untuk menjalankan hipotesis, memverifikasi kesimpulan, lalu mendorong hasilnya ke on-chain. $FET adalah protokol mapan lama yang mengoordinasikan agen, sedangkan $TAO adalah pasar untuk sub-jaringan machine learning; dua arah ini selaras dengan logika evolusi diri agen yang dibahas dalam paper.

Selanjutnya, model long-context 200K mampu dijalankan di laptop biasa, artinya node individu juga bisa menjalankan inferensi model besar; ambang batas perangkat keras untuk inferensi terdesentralisasi pun turun satu tingkat lagi. Satu paper lain yang sedang dikerjakan tentang sistem multi-agent jangka panjang untuk uji ketahanan, juga membahas masalah yang sejenis dengan recursive self-improvement hari ini: apakah agen sanggup menahan akumulasi kegagalan saat mengerjakan tugas berdurasi panjang.

#AI代理 #科学智能体 #AI