SwarmRSI: Agentenschwarm soll vererbte Forschungszustände weiterentwickeln

SwarmRSI lässt Agentenschwärme ihre vererbten Forschungszustände weiterentwickeln

SwarmRSI ist ein Framework, mit dem sich ein Schwarm wissenschaftlicher KI-Agenten verbessern soll. Er schreibt die Forschungszustände fort, die seine Agenten erben: Hypothesen, Programme und experimentelle Evidenz. So steht es im Abstract des Papers. Die „rekursive Selbstverbesserung“ im Titel bezieht sich demnach auf genau diese Zustände. Von Modellgewichten ist im Abstract nicht die Rede.

Das Framework besteht aus drei Komponenten: Feedback-Guided Swarm Mutation, Complementary Swarm Recombination und Recursive Swarm Evolution. SwarmRSI beschreibt sich selbst als Framework zur Evolution von Agentenschwärmen. Eine Neuheit gegenüber der Darwin Gödel Machine, dem Gödel Agent oder dem AI Scientist ist weder belegt noch unabhängig geprüft. Einen ausdrücklichen Vergleich mit diesen Systemen enthalten die vorliegenden Abstracts nicht.

Fehlerzuordnung und Komponententausch

Die Mutation greift ein Problem auf, das das Paper so beschreibt: Ein gescheitertes Experiment verrät nicht, ob die Hypothese oder ihre Umsetzung schuld war. Der Mechanismus wertet deshalb das Feedback anderer Agenten aus. Daraus entscheidet er, ob die Hypothese oder das Programm überarbeitet wird.

Die Rekombination baut auf einer zweiten Beobachtung auf. Ein Programm ohne Gesamtgewinn kann Komponenten enthalten, die andere Agenten brauchen. Das System prüft daher behaltene Hypothesen an den Programmen anderer Agenten und kombiniert komplementäre Komponenten. So sollen auch Teilergebnisse neue Forschung stützen können.

Die rekursive Schwarm-Evolution schließt den Kreis. Sie trägt jedes Ergebnis in einen gemeinsamen Graphen ein. Dieser Graph legt fest, welchen Zustand jeder Agent als Nächstes aktualisiert. Alle diese Begründungen stammen aus dem Paper selbst.

76,2 auf OpenProblems, 44,4 % Match-SOTA, 81,8 % Medaillen: die Angaben der Autoren

Mit Gemini 3.1 Pro Preview erreicht SwarmRSI laut den Autoren im Schnitt 76,2 auf OpenProblems. Auf NatureBench erreicht es bei 44,4 % der Aufgaben den veröffentlichten SOTA. Das sei die höchste Match-SOTA-Rate unter den verglichenen Methoden. Auf MLE-Bench Lite gewinnt das System bei 81,8 % der Aufgaben Medaillen. Damit liegt es vor Agenten mit Hypothesen- und Programmevolution bei gleichem Backbone.

Die Autoren berichten außerdem, dass angesammelte Forschungserfahrung die Leistung auf zurückgehaltenen Aufgaben verbessert. Biolog:innen hätten die Programme für weiterführende biologische Analysen reproduziert.

Alle diese Werte sind Selbstangaben. Die SOTA-Einordnung gilt nur im Vergleich zu Baselines, die die Autoren selbst gewählt haben. Zahlen aus anderen Setups lassen sich damit nicht gleichsetzen.

Was die Zahlen nicht belegen: Baselines, Replikation, Leaderboard

Prüfbar wäre der Anspruch über den Volltext mit Angaben zur Baseline-Auswahl, zu Seeds und zum Rechenbudget. Hinzu kämen ein Code-Release, unabhängige Replikation und offizielle Leaderboards. Beim Leaderboard gibt es eine Hürde. Das MLE-Bench-Repository vermerkt ein Update vom 04-24-2026: Es nimmt derzeit keine neuen Einreichungen an. Der Grund: Der Prozess für faire, vergleichbare Einreichungen wird überarbeitet. Das Repository empfiehlt mindestens drei Wiederholungen je Auswertung sowie Mittelwert und SEM.

Frühere Werte taugen nicht als direkter Maßstab. Eine andere Arbeit meldet auf MLE-Bench Lite einen Anstieg der Medaillenquote von 39,6 % auf 47,7 %. Die Darwin Gödel Machine kommt laut einer Sekundärzusammenfassung auf SWE-bench Verified von 20 % auf 50 %. Beide Werte stammen aus anderen Setups.

Für Teams, die Forschungsagenten bauen, sind die Designmuster interessant, etwa die Fehlerzuordnung über Fremdfeedback. Dass Dritte handeln müssen, ist dagegen nicht belegt.