LLMエージェントが自己進化の壁を突破：ゼロ次最適化で能力限界を超える

従来の自己進化型LLMエージェントは、困難なタスクにおいて能力の限界に直面していました。この課題に対し、新たなゼロ次自己進化フレームワークが提案されました。LLMのLoRAパラメータを微調整し、損失差分から勾配を推定することで、エージェントは自らの能力境界を超えて学習を進めます。特に難しい問題で顕著な性能向上を示し、AIエージェントの自律的な進化に新たな道を開きます。