AI прокачався без зміни ваг: як The Trinity переписує власний код на льоту

На arXiv з'явилася робота The Trinity, яка пропонує рекурсивне самопокращення мультимодальних агентів за рахунок еволюції коду навколо моделі. Сама нейромережа залишається повністю замороженою як Claude Opus 5, тоді як спеціальна обв'язка адаптується для кращого сприйняття, пам'яті та планування дій. Замість тренування на важких бенчмарках система самостійно генерує спрощені віртуальні світи для відпрацювання конкретних навичок.

Процес розділений на три ролі, які виконує одна й та сама заморожена модель. Evolver будує дерево здібностей за траєкторіями помилок, Creator створює під них мікросимуляції, а Explorer тестує ці світи й лагодить модулі обв'язки. Увесь цей цикл контролює суворий хост-код, який перевіряє хеші й не дає системі сфальсифікувати результати.

Замість групування задач за зовнішнім виглядом автори класифікують їх за внутрішніми вимогами до агента у вигляді дерева з 11 вузлів. Навчання на таких штучних симуляціях виявилося навіть ефективнішим, ніж пряме довбання реальних бенчмарків, заощаджуючи при цьому значну частину токенів. До четвертої ітерації система успішно переносить навички на фізичних роботів на кшталт Unitree G1 та AlohaMini2.

Утім, якщо прибрати маркетинг із заголовків, стає помітно, що частина вражаючих цифр досягається завдяки попереднім пробним спробам та ідеальному роутингу. Але сама ідея змусити модель самостійно будувати тренувальні симуляції виглядає елегантним ляпасом сучасній гонці гігантських датасетів.

Джерело: arXiv