Interfacce evolutive per agenti

Abstract degli autori

Gli agenti che usano il computer sono limitati dalle interfacce messe a loro disposizione dagli esseri umani. Un agente può compilare un foglio di calcolo una cella alla volta quando basterebbe una sola riga di codice, oppure stampare tramite una shell tutte le duemila righe di un file per trovare una funzione. Sia le interfacce sia le indicazioni su quando usare ciascuna di esse vengono create a mano: un approccio che non riesce a tenere il passo con nuove applicazioni, flussi di lavoro e modelli. Sosteniamo che la progettazione delle interfacce debba essere essa stessa una capacità degli agenti. Presentiamo Agent S4, uno scienziato autonomo dell’uso del computer che costruisce Evolving Agent Interfaces a partire dall’esperienza acquisita svolgendo compiti. Un meta-agente esamina le traiettorie degli agenti su compiti di addestramento sintetici, senza etichette che indichino il successo, e crea e rivede in un repository le interfacce e le indicazioni su come usarle. Un processo evolutivo basato sulla popolazione seleziona poi i repository da sviluppare ulteriormente in base alle loro prestazioni su compiti di validazione che il meta-agente non vede mai, privilegiando le modifiche che si generalizzano oltre i compiti già osservati. Su OSWorld V2, Agent S4, con Qwen3.8-27B e il repository di interfacce evoluto, stabilisce un nuovo risultato di riferimento tra gli agenti open source che usano il computer, raggiungendo un punteggio binario del 21,3%, pari a 3,8 volte quello dello stesso modello con interfacce fisse. Il risultato supera sia GPT-5.5 (13,0%) sia Claude Opus 4.8 (20,6%), a circa il 4,3% e l’1,5% dei rispettivi costi. Su ScienceBoard, le interfacce evolute portano il tasso di successo dal 41,4% al 58,6% con lo stesso modello. Questi risultati suggeriscono che sia possibile far evolvere interfacce utili a partire dall’esperienza, rendendo la progettazione autonoma delle interfacce una fonte di miglioramento complementare ai progressi nei modelli e nelle infrastrutture di esecuzione. Rendiamo open source il nostro codice all’indirizzo https://github.com/simular-ai/agent-s.