Red Queen Gödel Machine: спільна еволюція агентів та їх оцінювачів
Редакція AI NewsДжерело: gonzo-обзоры ML статейОпубліковано Оновлено
Вчені запропонували фреймворк Red Queen Gödel Machine, де оцінювачі еволюціонують разом із цільовими агентами, щоб позбутися статичних бенчмарків при рекурсивному самовдосконаленні. Це підвищило прохідність бенчмарка Polyglot з 69,9% до 71,7% при зменшенні споживання токенів у 1,35–1,72 рази порівняно з Huxley-Gödel Machine.
ВердиктНейтральнаImpact 4/10
🔬 Цікаво для дослідників. Теоретична новина без готового продукту — для компаній до 200 людей тут нема дії: код не відкрито, модель не названа, інтеграція не описана.
Ключові тези
- Оцінювачі та агенти еволюціонують спільно, щоб уникнути статичних бенчмарків
- Прохідність бенчмарка Polyglot покращилася до 71,7% при економії токенів у 1,35–1,72 рази
- Точність перевірки доказасів досягла 76% при потрійній економії токенів
🎯 Чи підходить це вашому бізнесу?
Заповніть профіль компанії — і ми автоматично покажемо, чи варто вам це впроваджувати.
Заповнити профіль · 30 секундТакий розбір щоранку о 08:00
Персональний AI-дайджест для вашої галузі — щодня у Telegram
GödelMachineco-evolutionAIagentsbenchmarkingtokenefficiency
AI Advisory Board
Навчіть вашу команду будувати такі AI-автоматизації
За 5 днів кожен співробітник побудує автоматизацію для своєї ділянки роботи.
Дізнатись більше → aiadvisoryboard.me