Les chercheurs présentent Alita, un agent généraliste conçu pour effectuer des tâches complexes grâce à une prédéfinition minimale et une auto-évolution maximale, évitant la forte dépendance aux outils prédéfinis manuellement que l'on trouve dans de nombreux frameworks existants.
- Alita n'utilise qu'un seul composant pour la résolution directe des problèmes afin d'améliorer l'adaptabilité et la généralisation entre les domaines.
- Le système construit, affine et réutilise de manière autonome des capacités externes en générant des protocoles de contexte de modèle (MCP) liés à la tâche à partir de sources ouvertes.
- Sur l'ensemble de validation du benchmark GAIA, Alita atteint une précision de 75,15 % pour pass@1 et de 87,27 % pour pass@3.
- Il obtient un score de 74,00 % pour pass@1 sur Mathvista et de 52,00 % pour pass@1 sur PathVQA, surpassant des systèmes d'agents plus complexes.
Cette approche permet à Alita de mettre à l'échelle efficacement le raisonnement agentique tout en maintenant une architecture plus simple que les approches élaborées basées sur des outils précédentes.