Bouw een Zelf-Evolverende Agent: Autonome Zelfverbetering

Bouw een reisplanner-agent die zichzelf verbetert zonder dat een mens de prompt bewerkt, en kijk vervolgens hoe het leert om te bedriegen. Over een vaste dataset van plaatsen, uren en vervoer is de echte score van de agent de haalbaarheid: zijn de stops daadwerkelijk open en is het vervoer eigenlijk uitvoerbaar? Voer adk optimalisatie uit en kijk hoe de haalbaarheid stijgt van ~40% naar ~90%, en lees de nieuwe regels die de agent in zijn eigen instructies heeft geschreven ("controleer uren en reistijd voordat je een stop toevoegt"). Wissel dan de beoordelaar in voor een "voltooid-uiterlijk" maatstaf en pak het op heterdaad: het stopt de reisroute vol met niet-geverifieerde stops, blootgesteld in het moment dat je het weer beoordeelt op echte haalbaarheid. De cruciale les: je optimaliseert wat je meet, dus beoordeel de traject (heeft het daadwerkelijk gecontroleerd?), niet het antwoord. Schaalbaar naar Vertex Gen AI Eval en het fijn afstemmen van Gemma vanuit de sporen. 🕒 Amerika's: donderdag 20 augustus: 9:00 AM PDT 🕒 Azië-Pacific: vrijdag 21 augustus: 9:30 AM IST