Les agents peuvent-ils vraiment s'améliorer eux-mêmes ?

Vue d'ensemble Une soirée pratique pour construire un agent qui s'améliore de manière prouvable : simuler les cas limites, évaluer les performances et contrôler chaque version afin que la prochaine soit publiée uniquement si elle surpasse la précédente. Vous repartirez avec la boucle, construite sur des outils open-source, fonctionnant sur un ordinateur portable. Détails de l'événement Les « agents auto-améliorants » font beaucoup de bruit dans les présentations en ce moment. Certains d'entre eux sont réels, beaucoup ne le sont pas, et cette soirée les sépare en construisant la version réelle devant vous. Nous construirons ensemble la véritable version en direct pour montrer la différence. Avant que quoi que ce soit n'atteigne la production, nous simulons des utilisateurs synthétiques et des scénarios adverses pour faire ressortir où l'agent se casse, notons ces performances par rapport aux évaluations, et réintroduisons les échecs. L'évaluation devient le filtre : rien n'est expédié tant que les chiffres ne bougent pas dans le bon sens. Ensuite, nous continuons à le faire fonctionner, en faisant passer le trafic de production à travers les mêmes évaluations, de sorte que les régressions apparaissent sous forme de baisses de scores au lieu de demandes de support. L'auto-amélioration récursive complète est encore un problème de recherche ouvert et nous ne ferons pas semblant du contraire, mais la version limitée est construisible aujourd'hui sur OpenTelemetry et des frameworks open-source que vous pouvez forker et auto-héberger. Diriger l'atelier Nikhil, fondateur et PDG de Future AGI, réalise la construction en direct, de bout en bout. Il passe ses journées sur le problème exact dont traite cette soirée : rendre les agents suffisamment fiables pour être dignes de confiance en production, et mesurables afin de savoir qu'ils s'améliorent réellement. Apportez un ordinateur portable pour : Agenda 17h30 — Snacks et salutations 18h15 — Mémoire auto-améliorante pour les agents : des graphes de connaissances à de meilleures décisions par Dave de Cognee 18h45 — Atelier : la boucle d'auto-amélioration qui fonctionne vraiment 19h30 — Débat ouvert et Q&R : engouement versus ce qui fonctionne 20h00 — Réseautage 20h30 — À la prochaine itération Pour les ingénieurs et les bâtisseurs de produits IA qui font fonctionner des agents en production et qui souhaitent la version qui s'améliore de manière prouvable, construite sur des outils ouverts qu'ils peuvent conserver. À propos de Pebblebed Pebblebed est un VC technique en phase de démarrage fondé par Pam Vagata (cofondatrice d'OpenAI, a dirigé l'IA pour Stripe, inventrice de FBLearner Flow) ; Keith Adams (a fondé Facebook AI Research, a été architecte en chef chez Slack, 20ème ingénieur chez VMWare) et Tammie Siew (ancienne investisseuse Sequoia en Asie du Sud-Est, ancienne fondatrice soutenue par Sequoia & Notable Capital) À propos de Future AGI Future AGI est une plateforme de simulation, d'évaluation et d'observabilité AI open-source. Les équipes l'utilisent pour simuler des agents avant leur expédition, les évaluer par rapport aux modes de défaillance réels et continuer à les surveiller en production afin que la qualité ne se dégrade pas discrètement avec le temps. Il est auto-hébergeable et natif OpenTelemetry, avec un traçage qui se connecte à plus de 35 frameworks. La boucle que vous construisez ce soir fonctionne avec les mêmes outils ouverts, à vous de forker et d'emporter chez vous, aucun compte requis. À propos de Cognee AI Cognee construit une plateforme de mémoire OSS pour les agents. Elle transforme les données relationnelles, les documents et le contexte système en mémoire d'agent que vos agents peuvent rappeler à travers les sessions.