Создание саморазвивающегося агента: автономное самоусовершенствование

Создайте агента для планирования поездок, который улучшает себя без редактирования подсказок человеком, а затем смотрите, как он учится обманывать. На фиксированном наборе данных о местах, времени и транспорте, истинный балл агента - это осуществимость: действительно ли остановки открыты и действительно ли транспорт доступен? Запустите оптимизацию adk и смотрите, как осуществимость поднимается с ~40% до ~90%, и прочитайте новые правила, которые агент написал в своих собственных инструкциях ("проверьте часы работы и время в пути перед добавлением остановки"). Затем замените судью на метрику "выглядит полным" и поймайте его с поличным: он набивает маршрут неподтвержденными остановками, которые становятся очевидными, как только вы оцениваете его по реальной осуществимости снова. Основной урок: вы оптимизируете то, что измеряете, поэтому оценивайте траекторию (действительно ли он проверил?), а не ответ. Масштабируется на Vertex Gen AI Eval и доработку Gemma на основе следов.  🕒 Америка: четверг, 20 августа: 9:00 AM PDT 🕒 Азиатско-Тихоокеанский регион: пятница, 21 августа: 9:30 AM IST