Forskere bag et nyt framework, SHAPER, viser, at AI-agenter kan blive bedre til nye opgaver uden at skulle trænes om. I stedet for at justere selve modellen – hvilket kræver data, belønninger og lange træningsforløb – opgraderer SHAPER agentens eksterne værktøjskasse: dens færdigheder og den kontekstkode, der styrer, hvordan modellen agerer. Det sker gennem test-kørsler i selve målmiljøet, mens modelparametrene forbliver frosne. Læs paperet.
For virksomheder, der bygger eller køber AI-løsninger, er pointen ikke den tekniske detalje, men konsekvensen: Hvis en agent kan forbedre sig selv uden at skulle gennem dyre og langsommelige træningsrunder, bliver det billigere og hurtigere at tilpasse AI til nye opgaver. SHAPER er testet på VLABench og ESI-Bench, hvor den klarede sig mod både ren eksekvering, supervised fine-tuning og test-time-scaling-metoder som voting. Se paperet på Hugging Face
Det betyder, at vejen til selvforbedrende agenter ikke nødvendigvis kræver store investeringer i træningsinfrastruktur. For beslutningstagere er det et signal om, at man kan opnå fleksibilitet uden at binde sig til tunge modelopdateringer – særligt i miljøer, hvor man ikke har adgang til at ændre modellen, eller hvor træning er uønsket.
