Метарелективная эволюция эффективно совершенствует производственные системы АИ

arXiv: 2610.12794v1 Annuales Type: New Humber Abstract: Model Большого языка (LLM) на основе эволюционной оптимизации успешно усовершенствовали процедуры, программы и даже целые системы АИ. Большинство методов оптимизации отбирают кандидата с границы поиска, затем мутируют его в одном пропуске LLM только на основе своих неудач. Такое сосредоточение внимания на границах может замедлить производство систем АИ, когда отдельные ошибки не дают практически никаких сведений о сложных и тайных взаимодействиях. Мы представляем CoCoEvolve (Код Кортекса), эволюционный оптимизатор, построенный вокруг того, что мы называем мета-отражением, в котором агентический мутатор (Кодовый код) избирательно получает доказательства из всей истории эволюции и изучает живую систему перед проверкой и предложением мутации. Мы применяем CoCoEvolve для оптимизации трех классов систем производства АИ: агенты данных, трубопроводы данных с использованием МУЗ и рабочие процессы по проектированию данных. На DABStep, CoCoEvolve занимает верхние позиции в государственном лидерстве и достигает 92,8 % жесткой точности по сравнению с 78,4% для Me.