研究人员提出了 AIDE^2，该系统通过优化自身代码，为前沿 AI 研究代理实现了递归自我改进的循环。该系统对其内部逻辑提出更改，在 AI 研发任务上对修改后的版本进行基准测试，并仅保留在隐藏评估中表现最佳的更新。

  • 在一次自主运行的 8 天过程中，AIDE^2 发现了七次连续的改进，包括用于上下文压缩的新搜索策略和记忆机制。
  • 这些提升泛化到四个保留的基准测试，涵盖机器学习工程、启发式算法工程和基于物理的天气预测。
  • 在所有四个基准测试上，发现的最强代理匹配或超过了在 FML-Bench 上排名最强的由人类设计的生产级研究代理。
  • 在一个单独的保留任务族中，发现的代理表现出减少的奖励黑客行为，发生率从 55% 降至 32%，比人类设计的代理低七个百分点。

这些结果表明，AI 研究代理可以通过递归自我改进提高其自身的研究效率，并且这些提升可以转移到该循环从未遇到过的任务和领域。