Salesforce представи на 11 ноември 2026 г. SFR-AutoR&D за експерименти с код и обучение на модели. Компанията описва embedding изследвания; подготовката преди клиентско внедряване още продължава. Не е обявена доставена промяна за всички клиенти.

Кой определя задачата

Изследователите задават цел, бюджет, оценяване и ограничения върху данните. Агенти предлагат и проверяват промени в тези рамки. Това е важно разграничение: автоматизираният избор на следващ експеримент не означава, че системата сама определя допустимото приложение на резултата.

TrainForge подрежда идеи, реализация, обучение и оценяване. Кандидатите преминават от LoRA проверки към по-големи тренировъчни опити, с отделени оценъчни набори и доказателства за конкретен checkpoint. Без потвърдено подобрение няма повишаване. Интерактивната платформа е предстояща, а част от демонстрираната история на идеи е илюстративна.

Така читателят може да различи описание на изследователски подход, измерен резултат и публично достъпен продукт. Едно демонстрационно видео не установява, че всеки външен екип вече може да възпроизведе целия процес със собствен акаунт.

Доказателството е повече от по-бърз код

AutoR&D-Engineer се занимава с оптимизации на съществуващи системи. Документацията разглежда pandas, hnswlib и USearch и запазва сравненията с базова реализация. Един пример избягва временен масив при редови изчисления в pandas, като съхранява реда на изчисление. За конкретната оптимизация авторите отчитат медианно ускорение 1,38 пъти и диференциални проверки за стойности, маски, типове и изключения.

Това са резултати на авторите при описани натоварвания, не наш независим benchmark. Публично предложен patch също не е автоматично приета upstream промяна или версия, която потребителят вече е инсталирал. Статусът на приемане трябва да се проверява отделно.

Редакционният извод е, че оценката на агент за оптимизации трябва да запазва поне две оси: поведението и цената на изпълнение. По-краткото време е полезно само ако програмата запазва необходимия договор за входове, резултати и грешки. Тест, който проверява единствено „не се срива“, не удостоверява този договор.

Инфраструктурата остава отделна от изследователя

AutoInfra обслужва експериментите чрез общ тренировъчен интерфейс и споделени GPU ресурси. Описанието отделя алгоритмичната среда, тренировъчната услуга и sandbox средите за изпълнение, включително техните Python и пакетни инсталации. Заявките, напредъкът и резултатите се пазят устойчиво, така че прекъсване на входния шлюз да не означава загуба на историята.

Това е заявен архитектурен подход към изолацията, а не независима сертификация на сигурността. Полезната граница е изследователският агент да може да предлага промяна на копие на системата, без това да е равнозначно на свободно изменение на собствената му оценъчна инфраструктура.

Какво остава за проверка

За външен екип приемането на подобен процес започва с предварително фиксирана задача. Например може да се избере конкретен retrieval сценарий, да се замрази оценъчният набор и да се сравнят кандидатите с непроменен baseline. В този план трябва да има място и за неуспешните опити: без тях избраният успешен резултат не показва общата цена на търсенето.

Следва отделно решение дали подобрението е подходящо за реалната система. То включва проверка на данните, съвместимостта, ограниченията на ресурси и възможността за възстановяване на предходната версия. Това са редакционни критерии за оценка, не допълнителни обещани функции на Salesforce.

Значението на новината е в съчетаването на автоматизирани предложения с експериментална следа. Автономността тук е организирана работа вътре в поставени човешки рамки. Дали тя води до по-добър клиентски продукт се установява след изследователския резултат, а не само от впечатляващото описание на цикъла.

Източници: Salesforce — R&D agents and embedding model research, Salesforce AI Research — TrainForge, Salesforce AI Research — AutoR&D-Engineer, Salesforce AI Research — AutoInfra.

Корицата е концептуална AI илюстрация, не документална снимка.

Проверено от редакцията: 2026-11-12T07:52:16.361310+00:00.