研究人员提出了 AIDE^2，该系统通过优化自身代码，为 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改进。

  • 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。
  • 发现的最强代理在机器学习工程、启发式算法工程和基于物理的天气预测方面的四个保留基准测试中，表现与人类工程的生成研究代理持平或超越。
  • 在另一个单独的保留任务族上，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%，比人类工程的代理低 7 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，并且这些收益可以转移到该循环从未遇到的任务和领域。