Tech Meridian ← К СУЩНОСТЯМ
PROМОЙ MERIDIAN EN

ТЕМА · ENTITY #18593

self-improving agents

Хронология связанных событий, источники и контекст из новостной базы.

ХРОНОЛОГИЯ СОБЫТИЙ

2

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

Статья выявляет уязвимость коэволюции навыков и политики и предлагает аудит CODA

В статье 'Evolving Together, Failing Apart' исследуется парадигма, в которой модель политики и банк навыков коэволюционируют, и показано теоретически и эмпирически, что правило «cooperative acceptance» связывает компетентность политики с конкретным банком навыков, делая политику уязвимой при сдвиге навыков после развертывания. Авторы предлагают CODA (CO-evolution Drift Audit) — протокол для имитации дрейфа навыков и новые метрики (наиболее неблагоприятный успех при дрейфе, показатель согласованности при правках, сохраняющих смысл, и сопротивляемость к повреждённым навыкам); по четырём методам и пяти бенчмаркам худший результат оказался на 5–13 пунктов ниже пикового, стирая 52–93% полученного выигрыша над базовой системой без навыков.

7.0

RESEARCH · 1 ИСТОЧН. · arXiv cs.AI

ClawLoop: платформа для самосовершенствующихся LLM-агентов в хабе (arXiv:2610.14118v1)

Препринт arXiv:2610.14118v1 предлагает ClawLoop — замкнутый цикл обучения для LLM-агентов в «хабе», который итеративно синтезирует задания, обучает агентa (SFT/ RL) и анализирует ошибки для генерации данных следующего раунда без внешнего учителя. С использованием Qwen3.6-27B в качестве модели цикла авторы демонстрируют стабильные улучшения в SkillsBench, Claw-Eval-Live и ClawGym-Bench и показывают, что сгенерированные задачи переносят выгоды на меньшие модели Qwen3.5 4B и 9B.

7.0