Salesforce AI Research e Agentforce hanno presentato DarwinX, un framework evolutivo progettato per migliorare le prestazioni degli agenti AI senza riaddestrare il modello di base né modificarne i pesi, intervenendo invece sull’harness che ne determina il comportamento operativo, cioè sull’insieme formato da prompt, strumenti disponibili, skill, sequenza delle azioni e logica di controllo utilizzata durante l’esecuzione dei compiti. Nei test condotti sul sistema agentico Monet, un agente basato su GPT-5.5 ha visto il proprio tasso di successo nelle attività web di WebArena-Infinity aumentare dal 43,5% al 93%, mostrando che una parte rilevante delle prestazioni di un agente può dipendere non soltanto dalle capacità intrinseche del modello sottostante, ma anche dal modo in cui viene organizzato e progressivamente ottimizzato il sistema che lo circonda.
DarwinX non procede modificando continuamente una singola versione dell’harness, ma mantiene e valuta contemporaneamente più varianti, adottando un meccanismo ispirato alla selezione evolutiva. Quando un agente fallisce un’attività, il framework analizza le cause dell’errore e genera differenti configurazioni nelle quali possono cambiare le istruzioni, l’impiego degli strumenti, le skill disponibili, l’ordine delle operazioni o il flusso di controllo, per poi misurare separatamente le prestazioni ottenute da ciascuna variante. Le modifiche che producono miglioramenti vengono conservate, mentre quelle che aumentano il rendimento su un compito ma compromettono capacità già acquisite su altri vengono filtrate; inoltre, caratteristiche utili emerse in linee evolutive differenti possono essere combinate, in modo da accumulare progressivamente nuove capacità senza dover ripartire ogni volta da un’unica configurazione centrale.
Questo approccio è stato sviluppato per affrontare in particolare due problemi individuati dai ricercatori nei tradizionali sistemi di ottimizzazione degli agenti, definiti path dependence e cross-task interference. Nel primo caso, il miglioramento progressivo di una sola configurazione può vincolare l’evoluzione dell’agente alle scelte effettuate nelle prime fasi, impedendogli di esplorare soluzioni alternative potenzialmente migliori; nel secondo, una modifica introdotta per aumentare le prestazioni su una determinata attività può produrre effetti negativi su altri compiti. DarwinX conserva invece un archivio di differenti famiglie di harness e lascia evolvere più linee in parallelo, selezionando le configurazioni capaci contemporaneamente di migliorare nuove attività e di preservare le competenze già acquisite, secondo un principio che Salesforce definisce “preserve and extend”.
I miglioramenti non sono emersi soltanto nei compiti di navigazione web. Nei test di sviluppo software, un agente basato su GPT-5.5 è passato dal 75,5% all’83,2% su Terminal-Bench 2.1 dopo l’ottimizzazione attraverso DarwinX, mentre l’harness evoluto è stato successivamente applicato anche a SWE-bench Verified, dove ha ottenuto l’84,2% rispetto all’80,8% raggiunto dall’harness di riferimento. L’esperimento suggerisce inoltre che il framework non aumenta indiscriminatamente la quantità di ragionamento o il numero di passaggi eseguiti dall’agente: nelle attività che il sistema era già in grado di completare, il numero medio di step è cresciuto soltanto da 12 a 13, mentre nei compiti che l’agente è riuscito a risolvere solo dopo l’ottimizzazione è passato da 11 a 22, indicando che l’harness evoluto tende a riservare verifiche supplementari, retry e sequenze operative più lunghe soprattutto ai problemi che effettivamente richiedono un’elaborazione aggiuntiva.
Un altro elemento del metodo riguarda la conservazione delle varianti specializzate, perché una configurazione che ottiene un punteggio complessivo inferiore può comunque possedere una capacità particolarmente efficace su uno specifico tipo di attività e non viene quindi necessariamente eliminata dal processo evolutivo. DarwinX può mantenere queste specializzazioni nell’archivio e successivamente combinarle con caratteristiche provenienti da altri harness, trasferendo in una nuova configurazione i punti di forza emersi in linee differenti e cercando così di ampliare progressivamente l’insieme delle attività che l’agente è in grado di eseguire.
Insieme a DarwinX, Salesforce ha reso disponibile anche Beagle, un’infrastruttura open source pensata per sperimentare direttamente l’evoluzione degli agenti e degli harness. Il lavoro sposta quindi l’ottimizzazione delle prestazioni dal solo modello AI alla struttura operativa che ne governa l’utilizzo, mostrando nei benchmark condotti dai ricercatori che modificare sistematicamente prompt, tool, skill e logica di esecuzione può produrre incrementi rilevanti anche mantenendo completamente invariato il modello sottostante.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)