Self improvement
Fellow suit ce sujet depuis juillet 2026 : 17 articles résumés en français, dont 7 jugés majeurs ou notables.
Toute l'actualité · 17 articles
Qui améliore le robot ? Vers l'auto-amélioration récursive physique
Une étude définit l'auto-amélioration récursive physique des robots, propose un cadre L0-L5 et constate que la littérature existante n'en apporte pas encore de démonstration.
VeriFine : une vérification évolutive pour l'auto-amélioration en raisonnement incarné
Un framework où politique, curriculum et juge co-évoluent pour permettre l'auto-amélioration continue d'agents en robotique et conduite autonome.
Reconstruct, Practice, Go Real : auto-amélioration guidée pour agents incarnés
Un framework fait progresser des robots manipulateurs de 28,6% à 95% de réussite sans retoucher les poids du modèle, via simulation et skills symboliques.
Turbo Harness : optimisation de harness adaptée à chaque instance
Un nouveau framework personnalise le harness d'un agent pour chaque tâche, au lieu d'appliquer une configuration unique et globale.
Apprendre des méta-compétences pour concevoir des harnais d'agents à l'inférence
Une méthode où un modèle « Builder » apprend à construire de meilleurs environnements d'exécution pour un agent cible, sans modifier les poids.
ScienceBuddy : auto-amélioration récursive imbriquée pour agents scientifiques interactifs
Un espace de travail de recherche qui combine évolution du harness et renforcement du modèle pour des agents scientifiques qui s'améliorent en continu.
S3Gym : évaluation de l'auto-amélioration des LLM
Un nouveau benchmark teste si les agents peuvent apprendre de leurs propres erreurs.
Recuris : une mémoire expérientielle-de-travail récursive pour des agents à long horizon
Une nouvelle architecture de mémoire permet aux agents IA d'améliorer leurs compétences en isolant précisément l'origine de leurs échecs.
Gains fantômes : auditer l'auto-amélioration face à un témoin mesuré
Une étude méthodologique montre que plusieurs preuves d'auto-amélioration des LLM sont en réalité des artefacts de mesure, une fois comparées à un modèle témoin figé.
Ornith-1.5 : auto-étayage et auto-amélioration
Ornith-1.5 explore une méthode de self-improvement itérative basée sur du self-scaffolding pour booster les performances des LLM.
La fragilité des agents auto-améliorants : variance, ordre des tâches et sous-spécification
Une réévaluation montre que les agents à mémoire textuelle progressent surtout grâce à l'ordre des tâches, pas à une réelle amélioration.
Prime Agent : un agent RLM auto-améliorant
Prime Intellect dévoile un agent basé sur un modèle de raisonnement capable d'améliorer ses propres capacités au fil de son utilisation.
AutoDesign : optimisation méta-harness pour la conception agentique à long horizon
Un framework qui apprend à améliorer son propre harnais d'agent, testé sur la génération automatique de posters académiques.
PAST-Bench : un benchmark pour évaluer l'auto-amélioration récursive des agents IA personnels
Un nouveau banc d'essai teste si les agents IA s'améliorent vraiment en exploitant leur expérience accumulée entre sessions.
Stanford propose un cours en ligne sur les agents IA auto-améliorants (CS329A)
Une playlist YouTube diffuse gratuitement le cours de Stanford consacré aux agents capables de s'améliorer eux-mêmes.
L'auto-amélioration récursive dans l'IA : du self-refinement borné aux boucles de recherche autonomes
Une revue de 1 250 papiers arXiv analyse les différentes formes d'auto-amélioration des systèmes IA et leurs limites structurelles.
Lilian Weng synthétise 35 papiers sur le Harness Engineering pour l'auto-amélioration récursive
La cofondatrice de Thinky publie une synthèse dense sur le rôle des harnesses dans la RSI (Recursive Self-Improvement), couvrant 35 travaux récents.