El artículo presenta AutoDesign, un marco que emplea un optimizador de meta-arnez para guiar a un agente de código en la mejora recursiva de su arnez basándose en retroalimentación de rollout. Los autores evalúan este enfoque en la tarea de generación de pósteres a partir de artículos académicos utilizando un nuevo benchmark llamado PosterBench.

  • AutoDesign logra una puntuación de 78.32 en el Main Track de PosterBench, superando a Claude Design por 7.45 puntos.
  • La integración del DesignHarness aprendido aumenta la puntuación promedio de PosterBench de 54.99 a 67.39 en siete configuraciones de modelo-agente-de-código.
  • En un bule completamente autónomo, el sistema ejecuta 253 llamadas a herramientas y 11 vueltas de edición en menos de 40 minutos por menos de $3.
  • Un estudio humano ciego al sistema muestra que AutoDesign logra la mayor preferencia humana entre los sistemas evaluados.

Los autores consideran esto importante porque demuestra cómo alinear con las priors de diseño humano y acumular experiencia reutilizable puede impulsar la auto-mejora recursiva en procesos agénicos a largo plazo.