Para peneliti menyajikan kerangka kerja harness agen yang berevolusi sendiri yang secara otomatis meningkatkan kinerja LLM tanpa memodifikasi bobot model. Sistem ini memisahkan usulan perubahan dari penugasan kredit, menggunakan kode deterministik untuk pengukuran dan pengujian signifikansi untuk memastikan peningkatan yang dapat dipercaya.
- Patch mengisi arsip keberagaman kualitas kategorikal dengan gerbang, yang dikunci berdasarkan patologi yang ditangani bukan tugas yang diperbaiki.
- Generalisasi diukur pada tes tertutup yang hanya dinilai setelah evolusi.
- Di seluruh tujuh domain dengan model bobot terbuka beku, keuntungan yang dikreditkan berkisar dari +9 hingga +15,5 pp.
- Pendekatan ini mempertahankan 86-147% dari keuntungan pelatihan, menunjukkan generalisasi daripada overfitting.
Patch pemenang melacak patologi dominan model, menunjukkan bahwa loop diagnosis dan kredit berpindah lintas keluarga model yang berbeda.