Исследователи представили метод рекурсивного самосовершенствования агентов The Trinity

Исследователи из Национального университета Сингапура представили работу The Trinity, описывающую подход к рекурсивному самосовершенствованию мультимодальных агентов без модификации базовых весов. В основе метода лежит использование замороженной модели, при этом оптимизации подвергается исключительно управляющий код и окружение.

В статье, опубликованной на arXiv, описывается система, состоящая из трех специализированных ролей, дерева способностей, роутера и механизма симуляций. За счет изменения обвязки агента — кода, определяющего контекст, память и условия завершения задач — система демонстрирует прирост производительности на 26 новых типах задач.

Подход позволяет развивать возможности систем искусственного интеллекта без затрат на повторное обучение или дообучение нейросети, полагаясь на структурную организацию внешнего контура управления. Полный текст исследования доступен на платформе Habr.