
Hexo Labs veröffentlicht SIA: Self-Improving Agent mit LoRA-Gewichts-Updates
Hexo Labs hat SIA (Self-Improving Agent) unter der MIT-Lizenz als Open-Source veröffentlicht. Der Kern des Systems ist ein Feedback-Agent, der nach jedem Durchlauf die vollständige Ausführungstrajektorie analysiert und anschließend entscheidet, ob das Scaffold (der sogenannte Harness, also die Agenteninfrastruktur rund um das Modell) umgeschrieben wird oder ob ein LoRA-Feintuning auf dem Basismodell gpt-oss-120b ausgelöst wird. Beide Hebel können auch kombiniert eingesetzt werden. In Evaluierungen auf drei unterschiedlichen Domänen – dem Rechtsbenchmark LawBench, GPU-Kernel-Optimierungsaufgaben via TriMul sowie biologischen scRNA-seq-Denoisingaufgaben – übertraf die kombinierte Strategie die reine Scaffold-Iteration konsistent. Das Design unterstreicht, dass echte Selbstverbesserung in Agentensystemen sowohl die Prompt-/Infrastrukturebene als auch die Gewichtsebene adressieren muss.
- SIA steht unter MIT-Lizenz und ist vollständig Open-Source verfügbar.
- Ein dedizierter Feedback-Agent liest die Trajektorie jedes Runs und entscheidet über den nächsten Verbesserungsschritt.
- Als Basismodell kommt gpt-oss-120b zum Einsatz, auf dem LoRA-Weight-Updates ausgeführt werden.
- Evaluiert auf drei Benchmarks: LawBench (Recht), TriMul GPU Kernels (HPC) und scRNA-seq Denoising (Bioinformatik).
- Kombination beider Hebel (Scaffold + Gewichte) schlägt Scaffold-only-Iteration in allen drei Domänen.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- FORSCHUNGarxiv.org3d
SIA: KI-System verbessert sich selbst durch kombinierte Harness- und Gewichtsupdates
- BENCHMARKmarktechpost.com2w
Hermes Agent von Nous Research überholt OpenClaw auf OpenRouter
- FORSCHUNGarxiv.org2w
Continual Harness: KI-Agent verbessert sich selbst in Pokémon ohne menschliches Eingreifen

Hexo Labs veröffentlicht SIA: Self-Improving Agent mit LoRA-Gewichts-Updates
Hexo Labs hat SIA (Self-Improving Agent) unter der MIT-Lizenz als Open-Source veröffentlicht. Der Kern des Systems ist ein Feedback-Agent, der nach jedem Durchlauf die vollständige Ausführungstrajektorie analysiert und anschließend entscheidet, ob das Scaffold (der sogenannte Harness, also die Agenteninfrastruktur rund um das Modell) umgeschrieben wird oder ob ein LoRA-Feintuning auf dem Basismodell gpt-oss-120b ausgelöst wird. Beide Hebel können auch kombiniert eingesetzt werden. In Evaluierungen auf drei unterschiedlichen Domänen – dem Rechtsbenchmark LawBench, GPU-Kernel-Optimierungsaufgaben via TriMul sowie biologischen scRNA-seq-Denoisingaufgaben – übertraf die kombinierte Strategie die reine Scaffold-Iteration konsistent. Das Design unterstreicht, dass echte Selbstverbesserung in Agentensystemen sowohl die Prompt-/Infrastrukturebene als auch die Gewichtsebene adressieren muss.
- SIA steht unter MIT-Lizenz und ist vollständig Open-Source verfügbar.
- Ein dedizierter Feedback-Agent liest die Trajektorie jedes Runs und entscheidet über den nächsten Verbesserungsschritt.
- Als Basismodell kommt gpt-oss-120b zum Einsatz, auf dem LoRA-Weight-Updates ausgeführt werden.
- Evaluiert auf drei Benchmarks: LawBench (Recht), TriMul GPU Kernels (HPC) und scRNA-seq Denoising (Bioinformatik).
- Kombination beider Hebel (Scaffold + Gewichte) schlägt Scaffold-only-Iteration in allen drei Domänen.
Frag die KI zum Artikel
Folgefragen zu Headline, Quelle und Volltext — Antwort streamt in wenigen Sekunden.
Verwandte Beiträge
- FORSCHUNGarxiv.org3d
SIA: KI-System verbessert sich selbst durch kombinierte Harness- und Gewichtsupdates
- BENCHMARKmarktechpost.com2w
Hermes Agent von Nous Research überholt OpenClaw auf OpenRouter
- FORSCHUNGarxiv.org2w
Continual Harness: KI-Agent verbessert sich selbst in Pokémon ohne menschliches Eingreifen