SIA от Hexo Labs: ИИ, который учит себя сам

Архитектура: два агента в петле обратной связи

Секрет SIA — в разделении труда. Внутри петли самоулучшения работают два агента :

• Task-Agent — это сама модель, которая решает целевую задачу (например, классифицирует юридические обвинения или оптимизирует код) .
• Meta-Agent (или Feedback-Agent) — LLM-агент, который анализирует результаты работы Task-Agent и вносит в него изменения .

Feedback-Agent может выполнять два типа обновлений :

• Обновления обвязки (harness updates) — правки системных промптов, логики взаимодействия с инструментами, извлечения ответов и других элементов scaffold .
• Обновления весов (weight updates) — непосредственное изменение параметров модели Task-Agent .

Главное утверждение авторов заключается в том, что комбинация обоих рычагов даёт значительно лучшие результаты, чем итеративное улучшение одной лишь обвязки — и это подтвердилось на всех использованных бенчмарках .

Цифры: юриспруденция, GPU и биология

Исследователи протестировали SIA в трёх кардинально разных доменах: классификация китайских уголовных обвинений по тексту дела, низкоуровневая оптимизация GPU-ядер и шумоподавление данных секвенирования РНК одиночных клеток .

Важное уточнение: для LawBench в доступных версиях статьи фигурирует именно прирост в 56.6% относительно базовой модели, а не отдельная абсолютная цифра точности . Аналогично, сокращение времени выполнения на 91.9% и 502% улучшения в задаче денойзинга РНК подтверждены в разных вариантах препринта .

Заявления об ускорении сверхразума

Публичный анонс Hexo Labs описывает SIA как «open source самоулучшающийся ИИ, который ускоряет путь к сверхразуму» . В пресс-релизе также упоминается «ускорение в 350 раз» согласно некоему бенчмарку OpenAI, однако в процитированных научных источниках это утверждение не подтверждается: там приводятся только три вышеуказанных доменных результата .

SIA и конкуренты: в чём разница

• Подходы только с обновлением обвязки (scaffold-only): Ключевое отличие SIA в том, что она одновременно правит и обвязку, и веса. В статье прямо говорится, что комбинирование обоих рычагов даёт превосходство над итерацией одной лишь обвязки на всех трёх бенчмарках .
• Hermes Agent от Nous Research: Документация Hermes описывает встроенный цикл обучения: агент создаёт «навыки» из опыта, улучшает их по мере использования, запоминает знания между сессиями и накапливает всё более глубокую модель пользователя . Hermes делает акцент на навыках, персистентности и обучении от сессии к сессии. SIA, напротив, фокусируется на низкоуровневом обновлении весов конкретного агента под задачу — это более автоматический, «инженерный» подход .

Hexo Labs утверждает, что SIA — «первый в мире агент, который учится сам, а не на действиях человека» . Научная новизна, согласно статье, заключается именно в двойном механизме обновления: правка и обвязки, и весов одного агента .

Грантовая программа

Информация о деталях грантовой программы в данном материале не опирается на предоставленные научные источники, поэтому утверждения о $10 млн фонда и прочих коммерческих аспектах в настоящий момент не могут считаться верифицированными.