自动：AGI 编译器

每个 LLM 代理运行都会在前沿模型上逐个词元地重新导出其行为：出色、昂贵、缓慢且无限制。我们提出了 Auto，一个编译器，它记录实时代理行为，测量哪些部分是秘密确定性的，将它们提取到经过验证的程序或经过提炼的专家中，并发出认知二进制文件：WebAssembly 工件，其清单带有测量的保证，其声明的功能由沙箱物理强制执行。分层运行时在共形校准防护后面执行编译的行为；守卫会转向参考代理，捕获的跟踪会重新编译回来，因此不会重复计算任何内容。我们在狭义的、可测试的意义上使用“AGI 编译器”：一种能够自动将新颖的经验转化为永久的、经过验证的、近乎免费的技能，同时测量它不知道的东西的系统。在我们引入并预先注册的基准 AUTO-BENCH 上，560 个记录的前沿代理跨度中，87.1% 是见证确定性的（四个普查任务系列中的三个测量值为 100.0%）。在具有三个计划分配班次的 300 个项目流中，闭环编译了三个工件生成，并将每个项目的边际成本从 59 微美元降低到 2 微美元（端到端的 6.4 倍），在见证输入上的奇偶性为 96.9%，且零错误。相同的流还量化了故障模式：松散的防护默默地错误标记了 48.9% 的已编译答案，不忠实的 deopt 引用导致验证门拒绝重新编译。决定便宜是否保持正确的是校准和参考保真度，而不是模型能力。代码：https://github.com/RightNow-AI/auto