Um experimento demonstrou que um pequeno modelo de IA pode se treinar para programar, inventando problemas, resolvendo-os e corrigindo seus próprios erros. O modelo alcançou 80% no HumanEval e superou o GPT-3.5 em matemática, usando apenas um interpretador Python como juiz.
O conteúdo introduz o HyperFlow, um framework experimental de agentes de IA auto-melhoráveis, construído sobre LangChain e LangGraph. Ele utiliza um TaskAgent para resolver problemas e um MetaAgent que aprende com os erros do primeiro para automatizar melhorias sem intervenção humana.
Esta pesquisa enquadra a autocorreção de LLMs como um ciclo de feedback cibernético, usando um modelo de Markov de dois estados para determinar quando o refinamento iterativo ajuda ou prejudica. Ela identifica um limiar crítico de EIR (<= 0,5%) que separa a autocorreção benéfica da prejudicial, mostrando que apenas alguns modelos melhoram, enquanto outros como o GPT-5 degradam.