Os Novos Hyperagents da Meta AI Não Apenas Resolvem Tarefas — Eles Reescrevem as Regras de Como Aprendem

O sonho de auto-aprimoramento recursivo em IA — onde um sistema não apenas melhora em uma tarefa, mas melhora na própria aprendizagem — há muito tempo tem sido o ‘santo graal’ do campo. Embora modelos teóricos como a Máquina de Gödel existam há décadas, eles permaneceram em grande parte impraticáveis em ambientes do mundo real. Isso mudou com a Máquina de Gödel Darwin (DGM), que provou que o aprimoramento ilimitado era alcançável na codificação. No entanto, a DGM enfrentava um obstáculo significativo: ela dependia de um mecanismo de meta-nível fixo e artesanal para gerar instruções de aprimoramento. Isso limitava o crescimento do sistema aos limites de seu meta-agente projetado por humanos. Pesquisadores da Universidade de British Columbia, Vector Institute, Universidade de Edimburgo, New York University, Canada CIFAR AI Chair, FAIR na Meta e Meta Superintelligence Labs introduziram os Hyperagents. Este framework torna o próprio procedimento de modificação de meta-nível editável, removendo a suposição de que o desempenho da tarefa e as habilidades de automodificação devem ser alinhados ao domínio. O Problema: O Regresso Infinito de Meta-Níveis. O problema com os sistemas auto-aprimoráveis existentes é frequentemente o ‘regresso infinito’. Se você tem um agente de tarefa (a parte que resolve o problema) e um meta-agente (a parte que aprimora o agente de tarefa), quem aprimora o meta-agente? Adicionar uma camada ‘meta-meta’ apenas transfere o problema para cima. Além disso, sistemas anteriores dependiam de um alinhamento entre a tarefa e o processo de aprimoramento. Na codificação, melhorar na tarefa frequentemente se traduz em melhorar na automodificação. Mas em domínios não-codificação — como poesia ou robótica — melhorar a habilidade de resolução de tarefas não necessariamente melhora a capacidade de analisar e modificar o código-fonte. Hyperagents: Um Programa Editável. O framework DGM-Hyperagent (DGM-H) aborda isso integrando o agente de tarefa e o meta-agente em um único programa, autorreferencial e totalmente modificável. Nesta arquitetura, um agente é definido como qualquer programa computável que pode incluir chamadas de modelo de fundação (FM) e ferramentas externas. https://arxiv.org/pdf/2603.19461 Como o meta-agente faz parte da mesma base de código editável que o agente de tarefa, ele pode reescrever seus próprios procedimentos de modificação. A equipe de pesquisa chama isso de automodificação metacognitiva. O hyperagent não apenas busca uma solução melhor; ele aprimora o mecanismo responsável por gerar melhorias futuras. Comparação de Arquiteturas de Auto-Aprimoramento Compon