DGMは、パフォーマンスを向上させるために自身のコードを反復的に修正する、自己改善型のAIエージェントシステムです。

DGMとは何ですか？

DGM（ダーウィン・ゲーデル・マシン）は、自身のコードを反復的に修正することで性能を向上させる自己改善型人工知能システムです。DGMは、保持しているコード化済みエージェントのアーカイブからエージェントを選択し、基本モデルに基づいて新しいバージョンを生成し、コード化されたベンチマークテストで新しいエージェントの性能を検証します。性能が向上した場合、新しいエージェントはアーカイブに追加されます。DGMの設計は、ダーウィンの進化論に着想を得ており、異なる開始点から複数の進化経路を探索するオープンエンド探索戦略を採用することで、局所最適解に陥ることを防ぎます。実験では、DGMは複数のベンチマークで大幅な性能向上を示しました。例えば、SWE-benchベンチマークでは20.0%から50.0%に、Polyglotベンチマークでは14.2%から30.7%に性能が向上しました。DGMの自己改善プロセスは、セキュリティを確保するために隔離されたサンドボックス環境で実行されます。

DGMの主な機能

自己啓発DGMは、パフォーマンスと機能を最適化するために、自身のコードを反復的に修正することができます。自己修正モジュールを通して自身のソースコードを読み込み、基本モデルに基づいて修正案を生成します。
実証的検証各コード変更は、コーディングベンチマーク（SWE-benchやPolyglotなど）を使用して検証され、改善の効果が確認されます。評価エンジンは、Dockerコンテナを使用して新しいコードバージョンのパフォーマンスを分離して評価します。
自由な探索ダーウィンの進化論に着想を得たDGMは、局所最適解に陥ることを避けるため、異なる出発点から複数の進化経路を探索するオープンエンドな探索戦略を採用しています。コード化されたエージェントのアーカイブを保持し、生成されたすべてのバリアントを継続的に蓄積するとともに、アーカイブ内の任意のエージェントから新たな進化経路を分岐させることをサポートしています。
セキュリティに関する考慮事項DGMの実行および自己修正プロセスは、隔離されたサンドボックス環境で実行されるため、ホストシステムへの影響は限定されます。

DGMの仕組み

自己修正段階DGMは、保持しているコーディングエージェントのアーカイブからエージェントを選択し、基本モデルに基づいてそのエージェントの新しいバージョンを生成します。
検証フェーズ新たに生成されたエージェントは、コーディングベンチマークテストで評価され、その性能が向上しているかどうかが判断されます。
アーカイブの更新検証済みの改良版エージェントはアーカイブに追加され、生成されたすべてのバリアントが継続的に蓄積されます。

DGMのプロジェクト住所

GitHubリポジトリ：https://github.com/jennyzzt/dgm
arXiv技術論文：https://arxiv.org/pdf/2505.22954

DGMの応用シナリオ

自動プログラミングDGMはコードを自動的に生成・最適化することで、開発者の負担を軽減し、プログラミング効率を向上させます。自己改善によってより効率的なコードを生成できるため、ソフトウェア全体のパフォーマンスが向上します。
コード最適化DGMはコードを自動的に検出して最適化し、可読性と実行効率を向上させます。継続的な反復と改善を通じて、DGMはより優れたコードバージョンを生成し、開発時間とコストを削減します。
自動修復DGMは自己進化によって発見された問題を自動的に修正できるため、ソフトウェアの保守コストを削減できます。コード内の潜在的な問題を特定し、修正プログラムを生成し、手動による介入を減らすことができます。
研究プラットフォームDGMは、自己改善システムの研究のための実用的なプラットフォームを提供し、この分野の学術研究に貢献します。研究者はDGMを用いて新しいアルゴリズムやモデルを探求し、人工知能技術の発展を促進することができます。