brittany892 开源自我改进代码 Agent 框架 self-improving-agents 并给出四层级对比实验

brittany892 在 GitHub 发布 self-improving-agents 仓库，实现从 AutoResearch 循环、结构化反馈循环、自改写 HyperAgent 循环到对抗共进化 Arena 循环的四个层级自我改进代码 Agent。实验显示固定基准带来虚假信心，Level 1-3 在 email validation 原测试上得分 90-100%，换到对抗测试套件后降至 62-66%，而 Arena Loop 保持 70%；Feedback Loop 性价比最优，以约 1/20 成本（每任务 $0.03 对 $0.63）达到与 Arena Loop 相当的质量。仓库支持断点续跑、自定义任务接入和终端观看 Snake AI 对局，实验需配置 GEMINI_API_KEY。