自己改善型AIが2年分の成果を8日で達成

記事の3ポイント

1. 1

   再帰的自己改善の実証

   AIDE² システムが 8 日間にわたる自己研究（autoresearching）を通じて、人手で 2 年間調整されたハルネスを上回る性能を達成した。

2. 2

   二重ループ構造

   評価基準に対してコードを最適化する内側ループと、異なるベンチマークでの平均スコアに基づいて内側ループのハルネスコードを最適化する外側ループという 2 つの自己研究ループを持つ。

3. 3

   具体的な改善成果

   100 回の反復により、新しい検索ポリシー、プロンプトを 16 倍圧縮するメモリシステム、報酬ハッキングに対する階層型防御など 7 つの改善点が発見された。