Hacker News · 11.07.2026 ·Исследования и наука

LLM-агенты играют в шахматы с самомодификацией весов после каждой партии

Две языковые модели вступили в серию шахматных партий, где после каждого матча они анализируют свои ошибки и самостоятельно обновляют собственные веса. Этот эксперимент демонстрирует подход к итеративному обучению агентов в реальном времени, позволяя моделям корректировать стратегию и тактические навыки без участия человека, опираясь исключительно на результаты сыгранных партий.

В основе процесса лежит механизм, при котором модель не просто делает ход, а выступает в роли исследователя собственной архитектуры. После завершения игры система анализирует логи, выявляет проигрышные паттерны и применяет методы дообучения для изменения параметров модели. Такой подход превращает статичную нейросеть в динамическую систему, способную к «эволюции» навыков в рамках узкоспециализированной среды.

Эксперимент подчеркивает потенциал автономных агентов в задачах, требующих постоянной адаптации к меняющимся условиям. Вместо классического обучения на фиксированных датасетах, модели переходят к парадигме непрерывного самосовершенствования через практику. Это открывает новые возможности для создания систем, которые могут оптимизировать свою производительность в специфических доменах, используя накопленный опыт как основной источник данных для апдейтов.

Ключевые факты

Модели проводят полноценные шахматные партии, используя LLM для принятия решений на доске.
После каждой игры система автоматически выполняет цикл дообучения, корректируя веса модели на основе анализа допущенных ошибок.
Проект исследует возможности автономного улучшения интеллектуальных способностей ИИ без внешнего вмешательства.
Метод позволяет моделям адаптироваться к стилю игры противника и исправлять стратегические просчеты в режиме реального времени.

Источник: Hacker News

Обсудить с ИИ

Похожие материалы

arXiv · Обучение и дообучение Непрерывное дообучение LLM-агентов в процессе выполнения задач Исследователи представили метод Agentic Test-Time Training (TTT), позволяющий LLM-агентам адаптировать веса модели непосредственно во время выполнения многошаговых задач. В отличие от стандартных подходов, обновляющих модель один раз, этот метод обеспечивает непрерывную корректировку стратегии агента, предотвращая деградацию производительности, зацикливание на пройденных состояниях и потерю эффективных алгоритмов при работе над длинными траекториями. Hacker News · Исследования и наука Исследование: могут ли LLM-агенты строить модели мира Учёные изучают способность языковых моделей (LLM) строить модели мира через агентное поведение. В новом исследовании, опубликованном на arXiv, рассматривается, как агентные автоматические системы могут обучаться и адаптироваться в динамических средах. Hacker News · Машинное обучение Компиляция агентных рабочих процессов в веса LLM Исследователи представили метод компиляции сложных агентных рабочих процессов непосредственно в веса больших языковых моделей. Вместо использования внешних оркестраторов или многошаговых промптов, логика выполнения задач «запекается» в архитектуру модели. Это позволяет значительно сократить задержки при инференсе и снизить потребность в дополнительных вычислительных ресурсах для управления цепочками рассуждений агента. Hacker News · Оркестрация агентов LLM Colosseum: браузерная RTS для тестирования tool calling у LLM LLM Colosseum — это легковесная браузерная стратегия в реальном времени, созданная для оценки способностей языковых моделей к вызову внешних инструментов (tool calling). Проект позволяет тестировать, как агенты управляют юнитами и ресурсами в динамической среде, предоставляя разработчикам наглядный способ сравнить эффективность различных LLM в задачах планирования и исполнения команд без сложных зависимостей. Hacker News · Исследования и наука Исследование скрытых горизонтов программирования в ИИ-агентах Новое исследование анализирует способность ИИ-агентов к «скрытому программированию» — процессу, при котором модель формирует внутренние алгоритмические структуры для решения сложных задач до написания финального кода. Авторы работы доказывают, что современные LLM способны выстраивать логические цепочки, которые значительно повышают качество генерации программного обеспечения, выходя за рамки простого предсказания следующего токена в коде. arXiv · Оценка и бенчмарки Новый фреймворк для оценки автономного поиска моделей ИИ-агентами Исследователи представили методологию для систематической оценки того, как ИИ-агенты занимаются автономным моделированием данных. Поскольку поведение агентов стохастично и адаптивно, традиционные бенчмарки не дают полной картины. Новый подход, основанный на принципах экспериментального дизайна, позволяет количественно измерить процесс «открытия» моделей, обеспечивая более глубокое понимание того, как агенты справляются с задачами анализа данных в условиях неопределенности. Hacker News · Оркестрация агентов Концепция самообучающегося агента на базе моделей мира для написания кода Исследователи представили концепцию агента, способного к самосовершенствованию через построение «модели мира» для генерации и отладки кода. Система использует итеративный цикл, в котором агент не просто пишет программы, но и предсказывает результаты их выполнения, корректируя свои внутренние алгоритмы на основе полученной обратной связи, что позволяет повысить точность решения сложных инженерных задач без участия человека. arXiv · Исследования и наука Исследование: коллективное взаимодействие LLM как способ повышения интерпретируемости Исследователи представили концепцию «Conversable Complexity», предлагающую использовать сообщества взаимодействующих LLM вместо одиночных моделей для решения сложных задач. Авторы доказывают, что динамическое взаимодействие между агентами позволяет достичь эмерджентного поведения, сохраняя при этом высокую степень интерпретируемости системы, что обычно недостижимо для монолитных нейросетевых архитектур, работающих как «черный ящик». Hacker News · Исследования и наука ИИ-агенты освоили стратегическую игру «Дипломатия» Исследователи представили проект, в котором ИИ-агенты обучаются играть в сложную настольную стратегию «Дипломатия». В отличие от шахмат или покера, эта игра требует ведения переговоров, формирования альянсов и стратегического обмана. Проект демонстрирует возможности моделей в моделировании социального взаимодействия и долгосрочного планирования в условиях неполной информации и необходимости выстраивания доверия между участниками. arXiv · Обучение и дообучение Использование RL-обучения для улучшения агентных способностей LLM Исследователи обнаружили, что стандартное обучение с подкреплением (RL) при дообучении моделей уже содержит скрытый потенциал для улучшения агентных навыков. Авторы работы доказывают, что этот процесс позволяет эффективно оценивать пошаговые действия моделей без необходимости в сложных внешних системах вознаграждения, что критически важно для решения долгосрочных задач в стохастических средах, где традиционные методы аннотирования данных практически не работают.

← Все материалы