¿Pueden los Agentes Mejorarse a Sí Mismos?

Una noche práctica construyendo un agente que claramente mejora: simula los casos límite, puntúa contra evaluaciones y controla cada lanzamiento para que la próxima versión se envíe solo si supera la anterior. Saldrás con el bucle, construido con herramientas de código abierto, funcionando en una laptop.Detalles del evento "Agentes que se mejoran a sí mismos" están haciendo mucho trabajo en las presentaciones en este momento. Algo de ello es real, mucho no lo es, y esta noche separa los dos construyendo la versión real frente a ti. Juntos construiremos la versión real en vivo para mostrar la diferencia.Antes de que algo llegue a producción, simulamos usuarios sintéticos y escenarios adversariales para identificar dónde el agente falla, puntuar esas ejecuciones contra evaluaciones y reintegrar los fracasos. La evaluación se convierte en la puerta: nada se envía a menos que los números se muevan en la dirección correcta. Luego lo mantenemos funcionando, enroutando el tráfico de producción de vuelta a través de las mismas evaluaciones para que las regresiones aparezcan como puntuaciones en descenso en lugar de tickets de soporte.La auto-mejora recursiva completa sigue siendo un problema de investigación abierto y no lo ocultaremos, pero la versión limitada es construible hoy, en OpenTelemetry y marcos de código abierto que puedes bifurcar y alojar tú mismo.Dirigiendo el taller, Nikhil, fundador y CEO de Future AGI, ejecuta la construcción en vivo, de principio a fin. Pasa sus días en el problema exacto del que trata esta noche: hacer que los agentes sean lo suficientemente fiables para confiar en producción, y lo suficientemente medibles para saber que realmente están mejorando.Trae una laptop para: Instrumentar un agente base con OpenTelemetry y capturar sus puntuaciones de evaluación inicialesSimular usuarios sintéticos y escenarios adversariales para romperlo a propósitoPuntuar las ejecuciones contra evaluaciones para que los fracasos se conviertan en números, no en anécdotasLeer las trazas para encontrar la verdadera causa raíz, no suponer a partir de la salidaReintegrar las soluciones, luego re-simular para confirmar que las puntuaciones se movieronControlar el envío: promocionar una nueva versión solo si supera la anteriorEnrutar el tráfico de producción de vuelta a través de las mismas evaluaciones para seguir mejorandoAgenda 5:30 - Snacks y saludos 6:00 - Ponente invitado (a anunciar) 7:00 - Construcción en vivo: el bucle de auto-mejora que realmente se envía (trae una laptop) 7:30 - Debate abierto y Preguntas y Respuestas: emoción versus lo que funciona 8:00 - Networking 8:30 - Hasta la próxima iteraciónPara ingenieros y constructores de productos de IA que ejecutan agentes en producción y que quieren la versión que mejora probadamente, construida sobre herramientas abiertas que pueden mantener.