Hexo Labs 發布 SIA：宣稱全球首個自主優化軟體骨架與模型權重的自進化 AI

什麼是 SIA？

SIA（Self-Improving AI，自進化人工智慧） 是由 Hexo Labs 提出的開源代理框架，其核心主張在於它是一套能「自我進化」的系統，能在單一迴圈中同時更新自身的程式骨架（Harness） 與底層模型權重 。這篇發表於 arXiv 的論文，作者群包括 Prannay Hebbar、Yogendra Manawat 與 Vignesh Baskaran 等人 。在 Hexo Labs 於 2026 年 5 月 28 日正式發布的公開聲明中，SIA 被定位為一項開源專案 。

對台灣的技術社群而言，這代表的是一種新的系統設計思維：過往代理的自我優化，多半停留在「改 Prompt」的層次，但 SIA 試圖證明，如果能讓 AI 自行調整模型參數，優化的天花板將完全不同。

架構解析：雙代理、雙重回饋的自我優化迴圈

SIA 將一個任務導向的 AI 系統拆成兩個角色，並讓它們在一個封閉的優化迴圈內協同運作 ：

• 任務代理（Task-Agent）
  實際執行目標任務的模型，例如法律罪名分類、GPU 核心程式碼最佳化等 。

• 回饋代理（Feedback-Agent）/ 元代理（Meta-Agent）
  這是一個以大型語言模型（LLM）為基礎的代理，它的職責不是直接執行任務，而是「監督與優化」任務代理。它會根據任務代理的表現，發布兩種類型的更新指令 ：

  1. Harness 更新（骨架更新）
     修改代理的系統提示、工具調用邏輯、重試機制等外部工作流設定 。
  2. 權重更新（Weight Update）
     直接調整任務代理的模型參數本身 。

這套設計的關鍵論點在於：在所有測試的基準上，結合兩種更新手段的表現，均優於僅更新骨架的迭代方式 。對習慣微調 AI 模型的工程師來說，這就像讓模型同時擁有「自主編寫 workflow」與「自主 fine-tune」的能力，而且是在同一個 closed loop 中完成。

實測成績：三大領域的跨域驗證

論文在三個截然不同的領域上對 SIA 進行了評估，以此證明其泛用性 ：

領域	評估指標	實測結果
中文法律罪名分類（LawBench）	準確度提升幅度	相較基線提升 56.6%
GPU 核心（Kernel）最佳化	執行時間縮減幅度	相較基線減少 91.9% 的執行時間
單細胞 RNA 降噪（Denoising）	改善幅度	相較基線提升 502%

補充說明：現有論文版本中，LawBench 回報的數據為 56.6% 的相對增益，並未提供一個獨立的最終絕對準確率數字 。其餘兩項（91.9% 運行時間縮減與 502% 降噪增益）同樣來自論文版本 v1 與相關報導 。

「加速超級智慧 350 倍」的主張

Hexo Labs 的公開聲明中，將 SIA 描述為一個能「加速超級智慧發展」的開源自進化 AI，並提到一個「350 倍」的加速指標 。然而，該「350 倍」的具體數字並未出現在現有的學術論文或技術文件中，論文實際呈現的，仍然是上述三項跨領域的基準測試成績 。讀者在參考相關報導時，可將其視為公司願景層級的表述，而非論文中直接驗證的技術指標。

與競品的核心差異：Hermes Agent vs. SIA

• 與純骨架迭代的差異
  SIA 與傳統做法最大不同，在於它同時更新 Harness 與權重這兩個維度。論文中直接對比的對象正是「僅迭代骨架」的方法，而結果顯示，雙重更新在所有三項基準測試上都顯著勝出 。

• 與 Nous Research 的 Hermes Agent 的比較
  Hermes Agent 是另一套由 Nous Research 開發的自進化 AI 框架。根據 Hermes 的官方文件，它具備內建的學習迴圈，能從任務經驗中創造「技能（Skill）」、在使用過程中持續優化，並讓知識跨任務積累 。它的學習機制偏向於技能記憶、跨時間的效能疊加，以及對使用者的深度建模 。

  相比之下，SIA 的進化路徑更偏向「架構參數化」：它不僅優化行為邏輯，更直接動態調整模型的內部權重 。若用類比來說，Hermes Agent 像是能從經驗中記錄並反覆使用套路的資深工程師；而 SIA 則像是能改寫自己底層程式碼、連思考方式都能隨任務重塑的系統。

Hexo Labs 將 SIA 定位為「全球第一個從自身經驗學習，而非仰賴人類動作的代理」 。論文的技術新穎性主軸，也確實落在這個雙重回饋機制上：將 Harness 與權重更新整合在同一個優化迴圈裡 。

補助計畫與生態圈

Hexo Labs 在官網上公布了「前沿研究補助計畫（Frontier Research Grants）」，為學研團隊提供資金、SIA 基礎設施存取權及商業化機會 。官方文件顯示，該計畫旨在讓外部研究者也能直接使用 SIA 的實驗環境，並與 Hexo Labs 團隊直接協作 。

讀者提醒：關於「1000 萬美元補助基金」的細節，在 SIA 專案相關的來源文件中並未明確載明，相關金額數字建議以官方補助頁面 的最新公告為準。

對於台灣的 AI 新創或學術實驗室來說，這類開源自進化框架的出現，提供了一個直接測試「自主模型優化」落地方案的實驗場。有興趣的團隊可關注其 GitHub 倉庫與官方補助申請頁面。