AIによるAI改善を実行可能な試験へ
8月20日投稿のAI4AI‑Benchは10種の学習アルゴリズム保存庫を固定します。エージェントはB300一台で4時間コードを変更し、隠された評価器で最大12時間最初から学習します。
無情報モデルを0、元アルゴリズムを0.1、最適値を1.0に正規化し、6システム29設定の平均は0.166、最高0.250でした。学習法を実際に変更した提出は平均0.226、他は0.126でした。
推論量を増やすと学習法変更が8%から64%、平均が0.094から0.196へ増えたと報告します。ただし10課題、特定計算予算の査読前研究で、再帰的自己改善の実現証明ではありません。