autonomous-engineering

Gnosys Labs 推出了一种自主模型工程方法，在标签稀缺的情况下改进分类器，在 ToxicChat 基准测试中优于 GEPA 等标准优化器。

Factory的Droid Shield 2.0使用两个小型后训练模型进行秘密检测，在此任务上超越GPT-5.5和Opus 4.8，同时速度更快、成本更低。

关于构建自主工程流水线的指南，涵盖与Slack、GitHub等服务的集成，并强调Devin内置的快速设置能力。

作者主张，为 AI Agent 设计的人工结构框架应被 AI 自主构建的工程架构所取代。文中引入 Three Regimes Framework，阐述这一转变如何释放中型模型的潜能。结合 Meta Harness 等项目的实践，作者预测 AI 将很快实现对其自身系统架构的自主优化。