I ricercatori hanno presentato un metodo di auto-miglioramento ricorsivo per gli agenti The Trinity

I ricercatori della National University of Singapore hanno presentato il lavoro The Trinity, che descrive un approccio all'auto-miglioramento ricorsivo di agenti multimodali senza modificare i pesi di base. Il metodo si basa sull'utilizzo di un modello congelato, ottimizzando esclusivamente il codice di controllo e l'ambiente.

Nell'articolo, pubblicato su arXiv, viene descritto un sistema composto da tre ruoli specializzati, un albero delle capacità, un router e un meccanismo di simulazione. Modificando l'infrastruttura dell'agente — il codice che definisce contesto, memoria e condizioni di completamento delle attività — il sistema dimostra un incremento delle prestazioni su 26 nuovi tipi di attività.

L'approccio consente di sviluppare le capacità dei sistemi di intelligenza artificiale senza i costi di riaddestramento o fine-tuning della rete neurale, facendo affidamento sull'organizzazione strutturale del circuito di controllo esterno. Il testo completo della ricerca è disponibile sulla piattaforma Habr.