Se for deg en enkelt AI-modell som selv kan forbedre sine resonneringsferdigheter uten menneskelig veiledning eller eksterne datasett. Høres det ut som sci-fi? Vel, Nvidias siste forskning gjør dette til virkelighet med et banebrytende rammeverk kalt Multi-Agent Evolve (MAE) MAE: et selvutviklende system med tre roller avledet fra samme modell: 1. Forslagsstiller: Lager utfordrende, men likevel løsbare spørsmål 2. Løser: Svarer på disse spørsmålene med trinnvis resonnement 3. Dommer: Evaluerer både spørsmål og løsninger, og tildeler pålitelige poengsummer Dette skaper et internt økosystem der modellen lærer av sine egne resultater, og stadig hever sin resonneringsevne. På Nvidias Qwen 2.5-3B-modell oppnådde denne metoden en imponerende nøyaktighetsøkning på +4,54 % på flere benchmarks, og overgikk tradisjonell overvåket finjustering. Enda viktigere: ↳ Den matcher ytelsen til mer komplekse selvspilloppsett som er avhengige av eksterne verktøy. ↳Det reduserer avhengigheten av menneskelige etiketter og eksterne miljøer. ↳ Den demonstrerer skalerbar, selvopprettholdende AI-utvikling, ideell for åpne resonneringsoppgaver. Dette gjennombruddet posisjonerer selvutviklende AI som en lovende vei mot autonome systemer som er i stand til selvforbedring i mangfoldige, komplekse domener. Den antyder fremtidige AI-modeller som kan tilpasse seg, lære og forbedre seg selv med minimal menneskelig inngripen, omtrent som biologisk evolusjon, men i det digitale riket. Kilde: