Подразделение Salesforce AI Research представило фреймворк DarwinX для оптимизации ИИ-агентов. Система совершенствует структуру взаимодействия агента с внешними инструментами, промптами и потоками управления, не меняя веса самой модели. Метод основан на принципах естественного отбора среди конфигураций агента.
В ходе тестирования на 1 260 задачах в рамках WebArena-Infinity показатель успешного выполнения вырос с 43,5% до 93,0%. Доля некорректных результатов при этом снизилась с 23,5% до 1,4%. Исследование, подготовленное группой из 12 авторов под руководством Ифаня Чжана, Ютуна Дая и Цзюньтао Таня, опубликовано 31 июля 2026 года.
На бенчмарке Terminal-Bench 2.1 производительность выросла на 7,7 пункта, достигнув 83,2%. При использовании более мощной базовой модели показатель составил 84,7%. В среднем по всем тестам улучшение составило около 17 пунктов, при этом конфигурации успешно переносились между различными типами задач без доработок.
Разработчики применяют стратегию сохранения и расширения, оставляя только те изменения, которые подтвержденно повышают эффективность. Такой подход позволяет избежать затрат на дообучение моделей и рисков потери ранее освоенных навыков, что может усилить позиции платформы Agentforce от Salesforce.
На текущий момент DarwinX является исследовательской инициативой. Работа под номером 2608.07545 доступна на портале arXiv. Информация о внедрении технологии в коммерческие продукты отсутствует, независимая проверка представленных результатов пока не проводилась.
