Föreställ er ett lag av digitala utforskare som aldrig sover och ständigt förfinar sina egna färdigheter för att lösa problem ingen människa tidigare har kunnat klara. Nuvarande AI-metoder bygger ofta på styva, förskrivna regler som dämpar kreativitet och begränsar hur långt dessa agenter kan driva framsteg. Forskare har nu byggt CORAL, ett nytt ramverk som befriar AI-agenter från fasta skript, vilket tillåter dem att utforska, reflektera och samarbeta med hjälp av gemensamt minne och asynkron teamwork. Denna förskjutning ersätter stel kontroll med dynamisk autonomi, vilket gör det möjligt för agenter att hantera sin egen hälsa, resurser och arbetsmiljö utan ständigt mänskligt ingripande. Resultaten är imponerande: på tio komplexa uppgifter som sträcker sig från matematik till systemoptimering överträffade denna autonoma metod traditionella metoder med tre till tio gånger, samtidigt som den krävde betydligt färre försök. I en specifik ingenjörsmässig utmaning förbättrade fyra samutvecklande agenter det bästa kända resultatet från 1363 till 1103 cykler, vilket bevisar att låta AI lära sig av sig självt skapar snabbare framsteg. Genom att kombinera kunskapsåteranvändning med fleragentkommunikation visar CORAL att verklig autonomi är nyckeln till att låsa upp obegränsad upptäcktslust.

Källa: CORAL: Towards Autonomous Multi-Agent Evolution for Open-Ended Discovery av Ao Qu, Han Zheng, Zijian Zhou, Yihao Yan, Yihong Tang m.fl., https://arxiv.org/abs/2604.01658