英国布里斯托大学计算机科学系与 iGent AI 研究团队今日宣布，其联合开发的编程智能体系统 SICA（Self-Referential Intelligent Coding Agent）成功实现技术突破，通过独特的自我参照架构完成代码性能的自主优化。在模拟软件开发场景的测试中，该系统将代码执行效率平均提升 53%，为人工智能系统的自主进化机制研究开辟了全新路径。
自我参照架构赋能智能体自主迭代
SICA 系统的核心创新在于其构建的自我参照计算架构。不同于传统 AI 编程工具依赖人工规则或固定优化模型，该系统能够通过动态分析自身代码生成逻辑，建立包含代码结构、执行效率、资源占用等多维度的自我认知模型。当检测到性能瓶颈时，SICA 会启动递归优化程序，在保持原有功能的前提下对代码底层逻辑进行重构。
布里斯托大学首席研究员 Dr. Elena Marconi 解释道：”这种自我参照机制就像让 AI 拥有了 ‘ 代码自省 ‘ 能力，它不仅能编写代码，还能像人类资深程序员一样审视自己的作品，找到隐藏的优化空间。”
实测数据展现强大优化能力
在为期 12 周的对比测试中，研究团队选取了包括数据处理、图像识别、自然语言处理在内的 15 个典型算法场景。结果显示，SICA 生成的优化后代码在平均执行速度上提升 53%，内存占用降低 41%，且未出现因自主修改导致的功能异常。值得注意的是，在复杂度较高的递归算法优化中，该系统实现了 72% 的效率提升，远超现有自动化代码优化工具的 30-40% 平均水平。
iGent AI 团队技术负责人 Rahul Sharma 表示：”我们特别设计了 ‘ 优化 – 验证 – 迭代 ‘ 的闭环机制，确保每次自主修改都经过形式化验证和压力测试，这为工业级应用奠定了关键的可靠性基础。”
开启 AI 系统自主进化新范式
这项研究成果被视为人工智能从工具化应用向自主进化系统迈进的重要里程碑。传统 AI 系统的升级依赖人工数据标注和算法调优，而 SICA 证明了智能体能够在特定领域实现技术创新的自我驱动。目前该技术已在金融计算、科学建模等对代码效率要求极高的领域展开试点应用。
业内专家指出，SICA 的突破不仅将提升软件开发效率，更重要的是其展现的自我改进机制，为通用人工智能的认知架构研究提供了全新思路。随着自我参照技术的成熟，未来可能催生能够自主进行技术创新的 “AI 开发者”，推动软件开发模式发生革命性变革。
目前研究团队已启动下一阶段研究，目标是将 SICA 的自主优化能力扩展至跨语言编程环境，并探索其与人类开发者协同工作的新型开发模式。相关研究论文已提交至国际人工智能顶级期刊《Artificial Intelligence》，系统技术细节将在即将召开的 NeurIPS 2025 大会上正式公布。
暂无评论内容