Können Agenten sich tatsächlich selbst verbessern?

Übersicht Ein praktischer Abend, an dem ein Agent entwickelt wird, der nachweislich besser wird: simulieren Sie die Grenzfälle, bewerten Sie ihn mit Bewertungen und steuern Sie jede Veröffentlichung, sodass die nächste Version nur dann verschickt wird, wenn sie die letzte übertrifft. Sie werden mit der Schleife gehen, die auf Open-Source-Tools basiert und auf einem Laptop läuft. Veranstaltungsdetails „Selbstverbessernde Agenten“ leisten derzeit viel Arbeit in Pitch-Decks. Ein Teil davon ist real, ein großer Teil nicht, und dieser Abend trennt die beiden, indem er die echte Version direkt vor Ihnen aufbaut. Wir werden gemeinsam live die echte Version bauen, um den Unterschied zu zeigen. Bevor etwas in die Produktion geht, simulieren wir synthetische Benutzer und gegnerische Szenarien, um herauszufinden, wo der Agent versagt, bewerten diese Ausführungen mit Bewertungen und speisen die Fehler zurück ein. Die Bewertung wird zur Hürde: nichts wird veröffentlicht, es sei denn, die Zahlen bewegen sich in die richtige Richtung. Dann halten wir es am Laufen, indem wir den Produktionsverkehr durch die gleichen Bewertungen zurückleiten, sodass Regressionen als sinkende Punktzahlen und nicht als Support-Tickets erscheinen. Die vollständige rekursive Selbstverbesserung ist nach wie vor ein offenes Forschungsproblem, und wir werden nicht so tun, als wäre es anders, aber die begrenzte Version kann heute auf OpenTelemetry und Open-Source-Frameworks gebaut werden, die Sie forken und selbst hosten können. Leitung des Workshops Nikhil, Gründer und CEO von Future AGI, führt das Live-Build von Anfang bis Ende. Er verbringt seine Tage mit dem genauen Problem, um das es an diesem Abend geht: Agenten zuverlässig genug zu machen, um ihnen in der Produktion zu vertrauen, und messbar genug, um zu wissen, dass sie sich tatsächlich verbessern. Bringen Sie einen Laptop mit: Agenda 17:30 — Snacks und Begrüßungen 18:15 — Selbstverbesserndes Gedächtnis für Agenten: Von Wissensgraphen zu besseren Entscheidungen von Dave von Cognee 18:45 — Workshop: die Selbstverbesserungsschleife, die tatsächlich versendet wird 19:30 — Offene Debatte und Q&A: Hype gegen das, was funktioniert 20:00 — Networking 20:30 — Wir sehen uns in der nächsten Iteration Für Ingenieure und AI-Produktentwickler, die Agenten in der Produktion betreiben und die Version möchten, die nachweislich verbessert wird, auf offenen Tools basiert, die sie behalten können. Über Pebblebed Pebblebed ist ein technischer VC in der frühen Phase, gegründet von Pam Vagata (Mitgründerin von OpenAI, leitete AI für Stripe, Erfinderin von FBLearner Flow); Keith Adams (gründete Facebook AI Research, war Chefarchitekt bei Slack, 20. Ingenieur bei VMWare) und Tammie Siew (ehemalige Investorin bei Sequoia Southeast Asia, ehemalige Gründerin, unterstützt von Sequoia & Notable Capital). Über Future AGI Future AGI ist eine Open-Source-AI-Simulations-, Evaluations- und Beobachtungsplattform. Teams nutzen es, um Agenten vor der Veröffentlichung zu simulieren, sie mit realen Fehlermodi zu bewerten und sie in der Produktion weiterhin zu beobachten, damit die Qualität nicht unbemerkt über die Zeit abnimmt. Es ist selbst hostbar und OpenTelemetry-nativ, mit Tracing, das in über 35 Frameworks integriert werden kann. Die Schleife, die Sie heute Abend bauen, läuft auf denselben offenen Werkzeugen, die Ihnen gehören, um sie zu forken und nach Hause zu nehmen, ohne dass ein Konto erforderlich ist. Über Cognee AI Cognee entwickelt eine OSS-Speicherplattform für Agenten. Es verwandelt relationale Daten, Dokumente und Systemkontexte in Agentengedächtnis, das Ihre Agenten über Sitzungen hinweg abrufen können.