Un ingénieur de ByteDance open-source LoopX pour les agents IA à long terme

Selon les observations de Beating, Huang Ruiteng, ingénieur senior en machine learning AML à ByteDance et contributeur clé d'OpenViking, a open-sourcé LoopX. Il s'agit d'un système de contrôle conçu pour les agents à long terme, permettant à des agents tels que Codex et Claude Code de reprendre leurs tâches à partir de l'objectif initial après des interruptions prolongées ou multiples. LoopX a déjà publié deux trajectoires de tâches réelles s'étendant sur 220,7 et 272,9 heures. Pendant ces périodes, les agents ont subi plusieurs cycles d'exécution, d'attente, de jugement humain, de changement de modèle et de reprise de tâche, tout en conservant la capacité de retrouver l'objectif actuel, les preuves accumulées et la prochaine étape. LoopX externalise les objectifs, les tâches à accomplir, les autorisations, les preuves et les conditions d'attente hors du contexte du modèle. Chaque fois, l'agent n'effectue qu'une petite étape, valide le résultat, puis réécrit l'état. En cas de changement de session, de modèle ou de redémarrage du programme, il peut reprendre exactement là où il s'était arrêté. Huang Ruiteng a participé au développement d'OpenViking, chargé de sauvegarder et de récupérer la mémoire, les données et les compétences des agents ; LoopX gère quant à lui le déroulement des tâches : où elles en sont, quelle est la prochaine étape et quand un jugement humain est nécessaire. Le premier agit comme une mémoire à long terme, le second comme un chef de projet et un tableau d'exécution opérationnel. Actuellement, LoopX est utilisé pour la correction automatique de problèmes de code, des expériences AutoML et des recherches à long terme.