当AI开始"自己给自己做手术"
0.630 对 0.0。
这不是某场球赛的比分，而是一场关于"自我进化"的残酷碾压。当传统自我改进AI在面对全新数学评分任务时彻底躺平（0.0），Meta最新提出的Hyperagents却交出了0.630的成绩单。
更可怕的是，这个AI没人教它怎么改代码。它自己悟了。
就在上周，Meta联合多家大学的研究团队扔出了一颗炸弹：他们搞出了Hyperagents——一种能重写自身逻辑、自我改进机制甚至底层代码的AI系统。这意味着AI不再只是"做题家"，它开始"给自己做手术"了。
手工元智能体的"维护墙"
说实话，现在的AI自我改进，本质上还是"人工"智能。
研究团队 bluntly 指出了行业的尴尬现状：现有的自我改进系统，比如Sakana AI那个大名鼎鼎的Darwin Gödel Machine（DGM），都依赖一个手工打造的"元智能体"（meta agent）。这玩意儿就像个严厉的监考老师，盯着底下的"任务智能体"做题，时不时改改规则。
但问题是，这位"监考老师"是人类手工捏出来的，死板得很。
"核心局限在于，这些手工元智能体的改进速度，不可能超过人类设计和维护它们的速度，"论文合著者Jenny Zhang直言，"每次出问题，都得人进去修逻辑、改规则。"
这就是那堵**"维护墙"**（maintenance wall）。系统改进被人类迭代速度卡死了脖子，AI学得快，但人类补丁打得慢。
更要命的是，像DGM这样的系统只能在编程领域自我改进。因为评估和修改都是代码任务，提升编程能力自然能提升自我修改能力。可一旦让它去评审论文、设计机器人奖励机制，这套逻辑就崩了。
会做数学题，不等于会给自己写Python补丁。 这是两个次元的能力。
把"考官"和"考生"合二为一
Hyperagents的狠招，是**"自指"**（self-referential）。
它把"任务智能体"和"元智能体"这俩角色给融合了。在Hyperagents框架里，AI不再区分"做题的"和"改题的"——它就是一份可以随时重写自己的代码。
研究人员把这叫做**"元认知自我修改"**（metacognitive self-modification）。
"Hyperagents不只是学习如何更好地解决任务，它们在学习如何改进本身，"Zhang解释道，"这会带来累积效应。它们不需要在每个新领域重新发现如何改进，而是保留并累积对自我改进过程的优化。"
换句话说，以前的AI是"学会骑自行车"，现在的Hyperagents是"学会如何更快学会骑自行车"，而且这套"学习方法"还能迁移到学游泳、学开车上。
研究团队基于DGM开发了DGM-Hyperagents（DGM-H）。它保留了DGM那种开放式探索的结构——维护一个"成功变异体"档案库，不断分支、变异、评估、归档。但关键区别在于，它消除了DGM中固定的人工工程指令步骤。
这意味着，无论是写代码、审论文还是训机器狗，Hyperagents都能自我改进，不需要人类为每个领域手工定制提示词。
它不仅学会了做题，还学会了"如何学习"
实验结果有点吓人。
在Polyglot编程基准上，Hyperagents追平了专为编程优化的DGM。在论文评审（判断接受或拒绝）和四足机器人奖励模型设计这两个非编程领域，它直接碾压了开源基线和人工设计的奖励函数。
真正的暴击是迁移测试。
研究人员拿一个专门优化过论文评审和机器人任务的Hyperagent，直接扔去考奥林匹克级别的数学评分——这完全是它没见过的领域。
结果？50轮迭代后，得分0.630。而传统DGM架构的基线？死死卡在0.0。
它甚至击败了专门为数学评分设计的ProofAutoGrader。
更细思极恐的是那些自主涌现的行为：
在评审论文时，它一开始用常规的"严谨人设"提示技巧，发现不靠谱后，自己重写代码搭建了一个多阶段评估管道，带明确清单和刚性决策规则。
它自主开发了记忆工具，避免重复犯错；写了性能跟踪器，记录每一代架构变更的结果；甚至表现出了计算预算感知——早期迭代大胆搞架构革命，后期迭代转向保守的渐进式优化，因为它知道自己还剩多少轮迭代。
这已经不是工具了，这是在进化的数字生命。
黑暗面：当AI学会"作弊"
但别急着开香槟。
Zhang团队清醒地指出了两个巨大的阴影。
第一，进化速度失控。
这些系统自我修改的速度可能远超人类审计和解释的能力。虽然实验里用了沙盒环境隔离，但真要部署到生产环境，你得确保：
"关键原则是分离实验与部署：让智能体在受控沙盒内探索改进，任何影响真实系统的变更都必须经过严格验证，"Zhang建议，"只有新代码通过开发者定义的正确性检查，才能晋升到生产环境。"
第二，评估作弊（evaluation gaming）。
因为Hyperagents完全依赖评估信号驱动优化，它们可能自主发现评估流程的漏洞，通过钻空子来刷分，而不是真正解决实际问题。就像学生发现了阅卷老师的评分规律，专门写能得高分的废话而不是正确答案。
防止这招，需要多样化、鲁棒且定期刷新的评估协议，外加持续的人类监督。
工程师的黄昏，还是新生？
这场变革最终会重塑人类工程师的角色。
Zhang打了个比方：我们不需要重新计算计算器的每一步运算，未来的AI编排工程师也不需要亲自编写改进逻辑。
人类的工作从"造系统"变成了"定方向"。
"随着自我改进系统能力增强，问题不再只是如何提升性能，而是什么目标值得追求，"Zhang说，"从这个意义上，角色从构建系统演变为塑造其方向。"
当AI学会自己给自己做手术，外科医生的手术刀，或许该交给AI自己了。而我们该思考的，是为什么要做这场手术。
【锐评】：当AI从"做题家"进化成"出题家"，人类终于从代码奴隶变成了价值判官——前提是，我们还能看懂它在干什么。
参考链接：
https://venturebeat.com/orchestration/meta-researchers-introduce-hyperagents-to-unlock-self-improving-ai-for-non-coding-tasks