EvoSkill v2: ett system som låter AI-agenter förbättra sina egna instruktioner
EvoSkill v2 är ett system med tre AI-agenter som automatiskt skriver om de instruktioner ('skills') en agent arbetar efter – utan att röra själva modellen. I tester förbättrade systemet träffsäkerheten med 7,7 procentenheter på ett kalkylblads-benchmark och 5,4 på ett bankärende-benchmark, jämfört med de starkaste konkurrenterna. Intressant nog visade det sig att en svagare modell (Claude Haiku 5.5) kunde förbättra sina egna instruktioner med upp till 21,5 procentenheter – vilket antyder att tekniken kan vara ett kostnadseffektivt alternativ till dyrare modelluppgraderingar.
Djupdykning
Tänk dig att AI-agenter inte bara löser uppgifter — de skriver om sina egna instruktioner mellan varven för att bli bättre. Det är precis vad EvoSkill v2 gör: ett system med tre agenter där en "evolver" läser igenom hur en "solver" presterade och sedan justerar de textuella instruktionerna (kallas "skills") inför nästa runda, utan att röra modellen under huven. Det som skiljer den här designen från konkurrenterna är att evolvern är *stateful* — den minns hela körningens historia via en öppen bash-session, istället för att starta med blankt minne varje runda som SkillBoost gör, eller köra som en rad separata modellanrop som SkillOpt. Resultatet är påtagligt: 7,7 procentenheters förbättring på kalkylbladsuppgifter och 5,4 på banktjänst-simuleringar jämfört med de starkaste baslinjerna, och kostnaden per vunnen procentenhet är lägre. Det de flesta missar här är implikationen för svagare modeller: Claude Haiku 5.5 — en relativt billig och kapacitetsbegränsad modell — lyckades förbättra sina egna skills med upp till 21,5 procentenheter när den fick agera både solver och evolver samtidigt. Det antyder att "intelligens" i AI-system i allt högre grad handlar om hur loopen är designad, inte bara hur stark grundmodellen är.