DarwinX: эволюция harness агентов без смены весов модели — 93% на WebArena-Infinity
DarwinX: эволюция harness агентов без смены весов модели — 93% на WebArena-Infinity Исследователи Salesforce AI Research представили DarwinX — систему, которая эволюционирует harness (промпты, инструменты, навыки и логику управления) AI-агентов методом естественного отбора, полностью заморозив веса самой модели. На реальных задачах WebArena-Infinity результат вырос с 43,5% до 93,0% (audit-clean). Вместо дообучения модели DarwinX работает с популяцией harness-ов. Новый вариант принимается только если он расширяет покрытие задач и не ломает уже решённые (контракт preserve-and-extend). Архив хранит альтернативные линии для рекомбинации. Фитнес измеряется собственными верификаторами бенчмарков — без золотых ответов и ручного отбора. На Terminal-Bench 2.1 прирост +7,7 пункта (до 83,2% на matched-модели и 84,7% на более сильной), на held-out TerminalWorld — лучший результат среди готовых агентов. Harness, выросший на терминале, без изменений переносится на SWE-bench Verified. Эволюционирует общая компетенция агента, а не патчи под конкретный тест. Показывает простую, но сильную идею: замороженная модель вовсе не обязана оставаться фиксированным агентом. Вычислительные ресурсы оценки можно превратить в долговечную способность. Источники: https://arxiv.org/abs/2608.07545 https://huggingface.co/papers/2608.07545 #AI #AgenticAI #DarwinX #Salesforce #WebArena #LLM