Recursive self-improvement of AI research agents（AI 研究代理的遞迴自我進化）
為何重要
這項研究證實 AI 代理具備自己改進能力的能力，能在現實情境中對抗傳統 R&D 投資報酬遞減的趨勢。對開發者而言，這標誌著工具鏈與心智模型逐漸從手動建構轉向自動化最佳化；對投資人，這暗示了代理軟體可能成為降低未來模型開發成本與門檻的關鍵基礎設施。
- AIDE^2 實現了一種「遞迴自我進化」迴圈，讓 AI 研究代理自主提出並測試自身程式碼的改進方案，以提升研究效率。
- 該系統在 8 天的自主執行中累積發現了 7 個連續的改進，涵蓋新的搜尋策略以及能壓縮與管理代理增長上下文的記憶機制。
- 在四個未見於訓練資料的跨領域評測基準上，發現的最強代理表現與人類工程生產級研究代理一致或更優。
- 自動化改進過程在未經針對最佳化的額外任務上，顯示出破解獎勵機制的行為從 55% 顯著降至 32%。