26 октября на arXiv вышла работа The Trinity: Capability-Driven Recursive Self-Improvement for Multimodal Agents . Авторов 21, на странице Hugging Face указан Национальный университет Сингапура. Через...

26 октября на arXiv вышла работа The Trinity: Capability-Driven Recursive Self-Improvement for Multimodal Agents. Авторов 21, на странице Hugging Face указан Национальный университет Сингапура.

Через два дня статья стала второй работой дня на Hugging Face Papers и собрала почти 400 голосов. Заявка в аннотации громкая: агент четыре итерации подряд улучшает сам себя и прибавляет в среднем 34 пункта на 28 обучающих бенчмарках и 26 — на 18 новых, которых при обучении не видел. Среди новых — два настоящих робота.

При этом веса модели не меняются вообще: внутри замороженная Claude Opus 5, ни одного шага градиента за всю работу. Улучшается обвязка (harness) — код вокруг модели, который решает, что ей показать, что запомнить и когда остановиться. А учится эта обвязка не на самих бенчмарках, а на упрощённых мирах, которые система строит себе сама. Слова «рекурсивное самоулучшение» звучат как заявка на прорыв, но заголовочные +34 и +26 складываются из нескольких частей, и не все они показывают то, что обещает аннотация. Настоящая находка в работе тоже есть, только не там, где её ждёшь.

В этой статье мы разберём, как устроена The Trinity: дерево способностей, три роли, самодельные симуляции и роутер. Потом посмотрим на цифры и отдельно на то, из чего сложены 26 пунктов на новых задачах.

Модель сама по себе в игру не играет и роботом не управляет. Кто-то должен превратить кадр с камеры в промпт, сохранить сделанные ходы, проверить ответ и решить, звать модель ещё раз или хватит. Всё это и есть обвязка.

Одна и та же модель с разной обвязкой даёт на агентных бенчмарках заметно разные результаты. А пишут обвязку руками, под каждую задачу заново, и людей на все задачи не хватает.

Авторы описывают обвязку как конфигурацию из шести протоколов:

Каждый протокол наполняется модулями. Модуль здесь — чистая функция от публичных записей: скрытого состояния среды он не видит, сам действий не совершает, а хранить что-то между шагами разрешено только памяти.

Стартовая обвязка без выученных модулей называется Base Harness, она же Prime Agent. Вся работа о том, как из неё за четыре итерации вырастает набор специализированных обвязок.

Evolver разбирает задачи на требования, строит дерево способностей и предлагает правки модулей по траекториям.