Vad händer om din AI-assistent kunde skriva om sin egen bruksanvisning för att bli smartare? Forskare har presenterat SePO, en självutvecklande prompt-agent som slutar betrakta systemprompter som statiska regler och istället behandlar dem som levande kod. Denna förändring gör att AI:n kontinuerligt kan finjustera hur den tänker, snarare än att enbart förlita sig på mänskligt skrivna riktlinjer som snabbt blir föråldrade.

Det centrala problemet som SePO löser är att vi redan har verktyg för att optimera prompter för specifika uppgifter, men optimeraren i sig förblir fix och handkonstruerad. SePO bryter detta mönster genom att göra prompt-agentens egna instruktioner till ett optimeringsmål. Den använder en självrefererande design där en enda agent förbättrar både uppgiftsagenterna och sin egen systemprompt genom ett öppet evolutionärt sökande. Tänk dig det som en återkopplingsloop där AI:n underhåller ett arkiv med kandidatprompter och använder dem som stegstenar för att gradvis förbättra sina resonemangsförmågor utan att någonsin röra den underliggande modellen.

Resultaten är slående. Över fem olika benchmark-tester, som sträcker sig från avancerad vetenskap och komplex matematik till kodgenerering och logikpussel, presterade SePO konsekvent bättre än befintliga metoder som Manual-CoT, TextGrad och MetaSPO. Den ökade genomsnittlig noggrannhet med 4,49 poäng jämfört med Manual-CoT. Ännu viktigare är att de optimeringsfärdigheter som lärdes under förträningen generaliserade till nya uppgifter snarare än att helt enkelt memorera specifika prompter. Detta tyder på att agenten lär sig äkta resonemangsstrategier, snarare än att bara lurar modellen med specifik formulering.

Slutsatsen är tydlig: statiska prompter är en flaskhals. Genom att låta prompt-agenten utvecklas parallellt med de uppgifter den hanterar, låser vi upp ett mer flexibelt, mänskligt läsbart och modellagnostiskt sätt att höja AI-prestandan. Denna metod närmar oss AI-system som kan korrigera sig själva och förbättra sin operativa logik över tid.