Агент улучшает себя через код, а не веса. Разбор системы The Trinity
Замороженная нейросеть может учиться, не меняя ни одного параметра. Исследователи из Сингапура представили систему The Trinity, где интеллект растёт за счёт совершенствования программной «обвязки» вокруг модели.
В основе метода лежит использование одной и той же модели, Claude Opus 5. Её веса остаются неизменными, а развитие происходит через доработку программного кода, который управляет тем, что агент видит, что запоминает и когда прекращает работу. В системе выделяют три роли: Evolver анализирует ошибки, Creator создаёт упрощённые симуляции для тренировок, а Explorer пробует новые навыки в этих мирах.
Все три роли выполняет одна и та же нейросеть, просто переключаясь между задачами.
Вместо того чтобы тренироваться на сложных и шумных бенчмарках, система строит собственное «дерево способностей». Каждая задача раскладывается на конкретные навыки. Умение считывать данные, держать гипотезы или следить за бюджетом.
Для каждого узла такого дерева создаются специальные симуляции, упрощённые миры, где от агента требуется только конкретный навык. Это исключает риск того, что нейросеть просто зазубрит правила конкретной игры вместо развития реальных способностей.
Результаты показывают, что за четыре итерации самосовершенствования агент прибавляет в среднем 34 пункта на обучающих тестах и 26 пунктов на новых задачах, которые он раньше не видел. Среди них были тесты с управлением реальными роботами. Это доказывает, что улучшение логики взаимодействия и протоколов работы может быть эффективнее прямого дообучения нейросети.
Развитие происходит не за счёт изменения «мозга» модели, а за счёт совершенствования её инструментов. Это значит, что для создания умных помощников будущего может потребоваться не только больше вычислительной мощности, но и более совершенный программный код вокруг них.
Текст подготовила языковая модель по материалам источников.
