Hyperagents: Selbstverbessernde KI ohne feste Meta-Mechanismen

In einer bahnbrechenden Veröffentlichung auf arXiv wird ein neues Konzept für selbstverbessernde KI-Systeme vorgestellt, das die bisherige Abhängigkeit von festgelegten Meta-Mechanismen überwindet. Das System, genannt Hyperagent, kombiniert einen Aufgabenagenten, der das eigentliche Problem löst, mit einem Meta-Agenten, der sowohl den Aufgabenagenten als auch sich selbst modifiziert. Durch die Möglichkeit, die Modifikationsroutine selbst zu bearbeiten, kann der Agent nicht nur seine Lösungsfähigkeiten, sondern auch die Art und Weise, wie er sich weiterentwickelt, optimieren.

Der Ansatz baut auf der Darwin Gödel Machine (DGM) auf, die bereits in der Programmierung offene Selbstverbesserung demonstriert hat. Während DGM in der Regel nur in kodierungsbezogenen Domänen erfolgreich ist, entfernt die Hyperagent-Architektur die Notwendigkeit einer domänenspezifischen Ausrichtung zwischen Aufgabenleistung und Selbstmodifikationskompetenz. Dadurch kann das System theoretisch auf jede berechenbare Aufgabe angewendet werden.

Experimentelle Ergebnisse zeigen, dass die DGM‑Hyperagenten (DGM‑H) in einer Vielzahl von Aufgabenbereichen kontinuierlich bessere Leistungen erbringen und dabei bestehende Baselines sowie frühere selbstverbessernde Modelle übertreffen. Die Fähigkeit, die eigene Verbesserungsschleife zu reflektieren und anzupassen, eröffnet neue Perspektiven für die Entwicklung von KI, die sich selbstständig und effizient weiterentwickeln kann.