Hexo Labs 开源 SIA：自我进化 AI 的架构、基准测试与争议

• Task-Agent（任务智能体）：真正干活儿的模型，负责执行具体的下游任务 。
• Meta-Agent（元智能体 / 反馈智能体）：一位基于大语言模型（LLM）的“导师”，负责审查任务智能体的表现，并下发两种类型的更新指令 。

这两种更新指令，就是 SIA 的核心差异点 ：

1. 脚手架更新（Harness Updates）：修改智能体的“外功招式”。这包括改写系统提示词（prompt）、调整工具调用的逻辑、优化重试策略、修改答案提取代码等。这些改动让模型变得更“聪明”、更擅长使用工具 。
2. 权重更新（Weight Updates）：更新任务智能体模型的实际参数。这相当于直接提升模型的“内功修为”，从根本上增强其特定任务的能力 。

研究团队的关键论点在于：将这两种杠杆结合起来使用，其效果要远远优于只迭代脚手架的传统方案，并且在论文测试的所有基准上都证明了这一点 。

基准测试表现：用数据说话

论文在三个迥然不同的专业领域对 SIA 进行了评估，以证明其通用性 ：

关于“350 倍”超级智能加速的说法：
Hexo Labs 在公开声明中提到，SIA 能将通往超级智能的路径加速“350 倍” 。需要特别指出的是，在目前公开的学术论文中，并未提供支撑“350 倍”这一具体数字的评估方法或基准测试，论文仅报告了上述三大领域的性能数据 。因此，这一说法目前更多被视为一种愿景或基于其内部测试的宣称。

与同类技术的对比：SIA 有何不同？

为了更好地理解 SIA，我们把它和另两种主流改进思路做个比较：

• 对比“仅优化脚手架”的方案：
  过去很多智能体框架只专注于优化提示词或工作流（“外功”），SIA 的论文直接将这种方案作为基线进行对比。结果显示，同时改进“外功”和“内功”的 SIA，在所有三个基准测试中都取得了更好的成绩 。这是 SIA 论文中确立的核心技术优势。

• 对比 Nous Research 的 Hermes Agent：
  Hermes Agent 是另一个知名的、能自我学习的开源智能体框架。它的思路是“熟能生巧”：通过创建可复用的技能（Skills），并在不同会话间持久化知识和记忆，从而实现越用越聪明 。它的学习成长是领域特定且基于经验积累的。而 SIA 的路线更加“激进”，它试图通过一个导师般的元智能体，对一个特定任务智能体进行结构和参数层面的定向改造 。两者代表了自我进化 AI 领域两种不同的技术哲学。

开源与一千万美元资助计划

Hexo Labs 不仅开放了 SIA 的源代码，还宣布启动一项“前沿研究资助计划”（Frontier Research Grants），旨在为学者和实验室提供资本、SIA 基础设施和商业化机会 。根据 Hexo Labs 旗下的 Hexo AI 网站信息，这项资助基金的总金额为 1000 万美元，用于资助雄心勃勃的科学研究项目，并帮助研究者将科学突破转化为可防御的知识产权和长期授权资产 。

Hexo Labs 将开源视为一种安全护栏（Guardrail），认为让尽可能多的独立研究者接触、测试和扩展如此强大的自我改进系统，是负责任的发展方式 。