Google Research เปิดตัว RRSI โอเพนซอร์ส AI Agents พัฒนาตัวเองได้

Google Research ได้ประกาศเปิดตัวเฟรมเวิร์กวิจัยตัวใหม่ในชื่อ RRSI ซึ่งเป็นโอเพนซอร์สภายใต้สัญญาอนุญาต Apache 2.0 โดยระบบดังกล่าวถูกออกแบบมาเพื่อให้ AI Agents สามารถพัฒนาฮาร์เนสหรือโครงสร้างพื้นฐานของตนเองได้โดยไม่ต้องกังวลเรื่องปัญหา Overfitting เฟรมเวิร์กนี้รองรับการทำงานร่วมกับ Python 3.10 ขึ้นไป และสามารถรับสตริงโมเดลใดก็ได้ที่ผ่าน LiteLLM โดยค่าเริ่มต้นจะตั้งค่าไว้ที่โมเดล Claude Opus 4.8 บน Vertex AI

การทำงานของลูปวิวัฒนาการฮาร์เนสจะเริ่มต้นด้วยการเสนอการแก้ไข ทดสอบคะแนนบนชุดข้อมูลคงที่ที่กำหนดไว้ และคัดเลือกผู้ชนะเข้าสู่รอบถัดไป เนื่องจากระบบใช้งานเดิมซ้ำในทุกๆ รอบ ลูปดังกล่าวจึงอาจเกิดภาวะจำจำเพาะได้ ทางทีมวิจัย RRSI จึงได้ระบุโหมดความล้มเหลวสำคัญ 3 ประการ ได้แก่ การฟิตจำเพาะเจาะจงกับเบนช์มาร์ก, การวิ่งตามสัญญาณรบกวน (Noise Chasing) และการสะสมความซับซ้อน ซึ่งปัจจัยเหล่านี้ล้วนส่งผลให้ช่องว่างระหว่างคะแนนบนชุดพัฒนาและประสิทธิภาพการถ่ายโอนความรู้จริงๆ กว้างขึ้น

แนวทางของ RRSI คือการเปิดให้องค์ประกอบทุกส่วนของฮาร์เนสสามารถแก้ไขได้ทั้งหมด แต่จะใช้วิธีการควบคุมการค้นหา (Regularize) แทนการจำกัดโครงสร้าง ทีมวิจัยได้เปรียบเทียบกลไกเหล่านี้กับตัวปรับแต่งค่าคลาสสิก (Classic Regularizers) โดยระบุว่า งบประมาณการแก้ไขเทียบได้กับ L0, การตัดแต่งกิ่ง (Pruning) เทียบได้กับ Lasso (L1) และกฎต้นทุนเทียบได้กับ Ridge (L2)

ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง

จากการทดสอบบนชุดข้อมูลที่ถูกเก็บไว้ (Held-out splits) ทั้ง 6 ส่วนพบว่ามีประสิทธิภาพดีขึ้นทั้งหมด เมื่อใช้ Gemini 3.5 Flash เป็นนโยบาย คะแนน Terminal-Bench 2.1 เพิ่มขึ้นจาก 64.6 ไปอยู่ที่ 78.7 ขณะที่ SWE-bench Verified ขยับจาก 76.8 ขึ้นมาอยู่ที่ 79.0 นอกจากนี้ ฮาร์เนสตัวนี้ยังมีน้ำหนักเบาลง โดยในการทดสอบบนพื้นที่ทำงานเอเจนต์ RRSI ใช้โทเค็นนโยบาย 2.42 ล้านโทเค็นต่อการทดลอง ขณะที่ระบบวิวัฒนาการแบบไม่ควบคุมใช้ไปถึง 3.80 ล้านโทเค็น ซึ่งรายงานในบทคัดย่อระบุว่าประหยัดได้ 30 เปอร์เซ็นต์ ส่วนหน้าเว็บโครงการระบุว่าประหยัดได้ 36 เปอร์เซ็นต์