Comment fonctionne SIA ? L’architecture à deux agents

Le secret de SIA repose sur un duo au sein d’une même boucle d’amélioration :

• Le Task-Agent : c’est le modèle chargé de remplir la mission (classer des documents, optimiser du code, etc.) .
• Le Meta-Agent (ou Feedback-Agent) : un agent LLM qui joue le rôle de superviseur. Il observe les résultats du Task-Agent et décide de comment l’améliorer .

Le Feedback-Agent dispose de deux leviers d’action principaux :

1. Les mises à jour du « harnais » (harness) : il peut toucher à la couche logicielle de l’agent, comme les invites (prompts), la logique d’utilisation des outils ou les workflows .
2. Les mises à jour des poids (weights) : il peut directement entraîner et modifier les paramètres du modèle profond du Task-Agent .

C’est cette combinaison qui fait toute la différence. L’article de recherche précise que le fait d’utiliser les deux leviers conjointement surpasse, sur tous les tests, une approche qui se contenterait d’améliorer uniquement le harnais .

Des résultats frappants sur trois domaines clés

Pour valider leur approche, les chercheurs de Hexo Labs ont soumis SIA à trois épreuves très éloignées les unes des autres, prouvant ainsi sa polyvalence :

Ces gains, détaillés dans les prépublications disponibles sur arXiv, montrent un système capable de partir d’une performance de base et de l’améliorer considérablement en itérant sur lui-même . L’annonce publique de Hexo Labs évoque même une accélération du chemin vers la superintelligence par un facteur « 350× » basé sur un benchmark conçu par OpenAI . Attention toutefois : ce dernier chiffre relève davantage de la communication que du détail de l’article scientifique, qui reste focalisé sur les trois benchmarks mentionnés ci-dessus .

SIA, Hermes Agent… quelles différences ?

SIA n’est pas le seul agent « apprenant » sur le marché. L’Hermes Agent, développé par le laboratoire Nous Research, propose aussi une forme d’apprentissage autonome. Mais leurs approches sont différentes :

• Approche de SIA : sa promesse unique est de toucher aux poids du modèle, pas seulement à son code. Là où d’autres améliorent les compétences par l’expérience, SIA retouche le cerveau de l’agent lui-même .
• Approche de Hermes : L’agent de Nous Research crée des « compétences » (skills) réutilisables à partir de tâches réussies. Il s’améliore en se constituant une mémoire et en rappelant des savoir-faire d’une session à l’autre, mais son mécanisme d’amélioration ne repose pas sur une mise à jour cyclique de ses poids de la même manière que SIA .

Hexo Labs positionne SIA comme « le premier agent au monde qui apprend de lui-même et non des actions humaines » . La nouveauté revendiquée dans l’article de recherche repose bien sur ce mécanisme de mise à jour à deux étages .

L’open source comme boussole

Dans un contexte où des géants comme Meta envisagent de garder secrets leurs modèles les plus puissants pour des raisons de sécurité, Hexo Labs fait le pari inverse en publiant SIA sous licence MIT . Le laboratoire y voit une forme de garde-fou : ouvrir le code à la communauté mondiale de la recherche pour qu’il soit testé, critiqué et amélioré de manière transparente . Pour joindre le geste à la parole, un programme de subventions a été lancé pour donner aux laboratoires et universités un accès au code et à l’infrastructure de calcul nécessaire .

Comment fonctionne SIA ? L’architecture à deux agents

Le secret de SIA repose sur un duo au sein d’une même boucle d’amélioration :

• Le Task-Agent : c’est le modèle chargé de remplir la mission (classer des documents, optimiser du code, etc.) .
• Le Meta-Agent (ou Feedback-Agent) : un agent LLM qui joue le rôle de superviseur. Il observe les résultats du Task-Agent et décide de comment l’améliorer .

Le Feedback-Agent dispose de deux leviers d’action principaux :

1. Les mises à jour du « harnais » (harness) : il peut toucher à la couche logicielle de l’agent, comme les invites (prompts), la logique d’utilisation des outils ou les workflows .
2. Les mises à jour des poids (weights) : il peut directement entraîner et modifier les paramètres du modèle profond du Task-Agent .

C’est cette combinaison qui fait toute la différence. L’article de recherche précise que le fait d’utiliser les deux leviers conjointement surpasse, sur tous les tests, une approche qui se contenterait d’améliorer uniquement le harnais .

Des résultats frappants sur trois domaines clés

Pour valider leur approche, les chercheurs de Hexo Labs ont soumis SIA à trois épreuves très éloignées les unes des autres, prouvant ainsi sa polyvalence :

Ces gains, détaillés dans les prépublications disponibles sur arXiv, montrent un système capable de partir d’une performance de base et de l’améliorer considérablement en itérant sur lui-même . L’annonce publique de Hexo Labs évoque même une accélération du chemin vers la superintelligence par un facteur « 350× » basé sur un benchmark conçu par OpenAI . Attention toutefois : ce dernier chiffre relève davantage de la communication que du détail de l’article scientifique, qui reste focalisé sur les trois benchmarks mentionnés ci-dessus .

SIA, Hermes Agent… quelles différences ?

SIA n’est pas le seul agent « apprenant » sur le marché. L’Hermes Agent, développé par le laboratoire Nous Research, propose aussi une forme d’apprentissage autonome. Mais leurs approches sont différentes :

• Approche de SIA : sa promesse unique est de toucher aux poids du modèle, pas seulement à son code. Là où d’autres améliorent les compétences par l’expérience, SIA retouche le cerveau de l’agent lui-même .
• Approche de Hermes : L’agent de Nous Research crée des « compétences » (skills) réutilisables à partir de tâches réussies. Il s’améliore en se constituant une mémoire et en rappelant des savoir-faire d’une session à l’autre, mais son mécanisme d’amélioration ne repose pas sur une mise à jour cyclique de ses poids de la même manière que SIA .

Hexo Labs positionne SIA comme « le premier agent au monde qui apprend de lui-même et non des actions humaines » . La nouveauté revendiquée dans l’article de recherche repose bien sur ce mécanisme de mise à jour à deux étages .

L’open source comme boussole

Dans un contexte où des géants comme Meta envisagent de garder secrets leurs modèles les plus puissants pour des raisons de sécurité, Hexo Labs fait le pari inverse en publiant SIA sous licence MIT . Le laboratoire y voit une forme de garde-fou : ouvrir le code à la communauté mondiale de la recherche pour qu’il soit testé, critiqué et amélioré de manière transparente . Pour joindre le geste à la parole, un programme de subventions a été lancé pour donner aux laboratoires et universités un accès au code et à l’infrastructure de calcul nécessaire .