VLM уже умеют искать «интересное». Но пока плохо умеют уходить от того, что уже нашли. Sakana AI вместе с MIT и NYU проверили, можно ли повторить PicBreeder на агентах с визуально-языковыми моделями. В оригинальном PicBreeder не было целевой картинки. Люди просто выбирали изображения, которые казались им перспективными, и передавали их дальше. Через много поколений из случайных форм появлялись лица, животные, машины, черепа и другие неожиданные структуры. Это важная идея из книги Кеннета Стэнли «Иллюзия целей»: сильные открытия часто рождаются не из оптимизации метрики, а из открытого поиска. В новом эксперименте VLM-агенты работали похожим образом: - смотрели общий архив изображений - выбирали то, что считают интересным - развивали выбранные варианты - публиковали новые изображения - оценивали работы других агентов Им не давали целевую картинку. Не давали функцию прогресса. Не говорили, к чему надо прийти. VLM-агенты действительно находят визуальные и семантические зацепки. Если добавить агентов с разными «личностями», архив становится заметно шире и по разнообразию приближается к человеческому. Но главный провал тоже виден: модели слишком быстро фиксируются на найденном мотиве. Вместо резкого смещения в новую область они часто начинают улучшать уже знакомую форму, стиль или смысл. Человек в PicBreeder может увидеть случайную странность и превратить её в новое направление. VLM чаще видит паттерн и начинает его эксплуатировать. Похоже, для open-ended discovery мало уметь распознавать novelty. Нужно ещё уметь менять собственный критерий интересного, бросать локально удачную ветку и сохранять слабые сигналы, которые пока не выглядят полезными. Блог: pub.sakana.ai/picbreeder-vlm Статья: arxiv.org/abs/2605.23908