Princeton и Meta FAIR предложили Self-Direction: агент учится на ошибках через micro-LoRA

Исследователи Princeton и Meta FAIR опубликовали метод Self-Direction (arXiv:2610.31846): агент дистиллирует свои ошибки в micro-LoRA адаптеры объёмом ~0,02% параметров базовой модели, не трогая её веса. На бенчмарках GAIA, Claw-Eval и Terminal-Bench 2.1 это дало прирост выполнения задач на 8,9–17,0 п.п. и почти вдвое повысило надёжность исправлений.

• Адаптер обновляет ~0,02% параметров модели, базовые веса заморожены
• Прирост на GAIA, Claw-Eval и Terminal-Bench 2.1 — 8,9–17,0 п.п.
• Надёжность повторных исправлений выросла почти вдвое
• Адаптер обучается локально за секунды на потребительском железе