🤖 AI

BONSAI: Evolvability-Guided Tree Search over Skills

BONSAI फ्रोजन एजेंटों (frozen agents) के लिए एक नवीन कौशल-अनुकूलन ढांचा है जो ओवरफिटिंग स्पाइक्स (overfitting spikes) और सुधारात्मक पठारों (improvable plateaus) के बीच अंतर करने के लिए इवॉल्वेबिलिटी-गाइडेड मोंटे कार्लो ट्री सर्च (evolvability-guided Monte Carlo tree search) का उपयोग करता है, जो होल्डआउट सटीकता (heldout accuracy) में मौजूदा बेसलाइनों से काफी बेहतर प्रदर्शन करता है।

मूल लेखक: Yash Priya Shastri, Anand Eswaran, Adnan Qidwai, Pankaj Thorat, Sachin Joshi

प्रकाशित 2026-08-10

📖 7 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC0 1.0

मूल लेखक: Yash Priya Shastri, Anand Eswaran, Adnan Qidwai, Pankaj Thorat, Sachin Joshi

मूल पेपर CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/) के तहत सार्वजनिक डोमेन को समर्पित है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक सुपर-स्मार्ट रोबोट को एक जटिल काम करना सिखाने की कोशिश कर रहे हैं, जैसे कि एक स्प्रेडशीट को ठीक करना या एक कठिन गणित की समस्या को हल करना। शर्त यह है कि रोबोट "फ्रीज" (frozen) है। उसका मस्तिष्क एक जगह लॉक है; आप उसे फिर से प्रशिक्षित (retrain) नहीं कर सकते, उसके न्यूरॉन्स में बदलाव नहीं कर सकते, या उसे अपनी गलतियों से सीखने नहीं दे सकते जैसे कि एक मानव छात्र सीखता है। इसे बेहतर बनाने का एकमात्र तरीका इसे अंग्रेजी में निर्देशों का एक सेट—एक "कौशल" (skill)—लिखना है। इस कौशल को केवल एक साधारण कमांड के रूप में न समझें, बल्कि इसे एक विस्तृत फील्ड मैनुअल के रूप में देखें जो रोबोट को बताता है कि कौन से उपकरण उठाने हैं, किन खतरों से बचना है, और अपना काम सौंपने से पहले अपने काम की दोबारा जांच कैसे करनी है।

बड़ा सवाल यह है कि वैज्ञानिक: एक परफेक्ट मैनुअल कैसे लिखें? यदि आप बस कुछ बदलाव करते हैं, परीक्षण करते हैं, और जो काम करते हैं उन्हें रखते हैं, तो आप फंस सकते हैं। यह एक पहाड़ पर चढ़ने जैसा है जहाँ मानचित्र केवल आपकी वर्तमान ऊँचाई दिखाता है। आप एक छोटी, नुकीली चोटी पर पहुँच सकते हैं जो ऊँची दिखती है, लेकिन वह इतनी संकरी है कि अगला कदम आपको सीधे खाई में ले जाएगा। या, आप एक चौड़े, ढालू पठार पर हो सकते हैं जहाँ हर कदम आगे बढ़ने से आप और ऊँचे स्थान की ओर जाते हैं, लेकिन आप केवल अपनी वर्तमान ऊँचाई देखकर अंतर नहीं बता सकते। यह शोध पत्र इस परिदृश्य में नेविगेट करने का एक नया तरीका पेश करता है, जो जीव विज्ञान से लिए गए एक विचार "इवॉल्वेबिलिटी" (evolvability - विकसित होने की क्षमता) का उपयोग करता है: एक ऐसे पथ की क्षमता जो गलत मोड़ लेने पर भी अच्छे परिणाम उत्पन्न करना जारी रख सके।

समस्या: "नुकीली चोटी" का जाल (The Trap of the "Sharp Peak")

IBM रिसर्च के शोधकर्ताओं ने देखा कि हम आमतौर पर इन AI मैनुअल्स को सुधारने के तरीके में एक खामी है। मानक तरीका सरल है: एक मैनुअल लें, AI को इसे फिर से लिखने के लिए कहें, नए संस्करण का परीक्षण करें, और यदि स्कोर बढ़ता है, तो इसे रखें। यदि स्कोर कम होता है, तो इसे फेंक दें।

समस्या यह है कि यह तरीका "अंधा" है। यह केवल वर्तमान मैनुअल के स्कोर को देखता है। यह यह नहीं बता सकता कि एक मैनुअल एक चौड़े पठार (एक सुरक्षित, स्थिर क्षेत्र जहाँ छोटे बदलाव आमतौर पर और भी बेहतर परिणामों की ओर ले जाते हैं) पर बैठा है या एक नुकीली, ओवरफिट स्पाइक (एक नाजुक चोटी जहाँ स्कोर उच्च है, लेकिन कोई भी छोटा बदलाव उन दस चीजों को तोड़ देता है जो पूरी तरह से काम कर रही थीं) पर बैठा है। यदि आप एक स्पाइक पर हैं, तो अगला संपादन उस एक छोटी त्रुटि को ठीक कर सकता है लेकिन दस अन्य चीजों को खराब कर सकता है जो पूरी तरह से काम कर रही थीं। मानक तरीका खाई में गिर जाता है क्योंकि यह केवल उच्च स्कोर देखता है, खतरे को नहीं।

समाधान: BONSAI और "इवॉल्वेबिलिटी" कंपास

इसे ठीक करने के लिए, टीम ने BONSAI नामक एक नया फ्रेमवर्क बनाया। केवल यह देखने के बजाय कि मैनुअल अभी कितना अच्छा है, BONSAI पूछता है: "इस मैनुअल के आसपास का पड़ोस कैसा है?"

वे प्रकृति से लिए गए एक चतुर रूपक का उपयोग करते हैं: इवॉल्वेबिलिटी (Evolvability)। जीव विज्ञान में, किसी प्रजाति का मूल्यांकन केवल इस आधार पर नहीं किया जाता कि वह आज कितनी अच्छी तरह जीवित रहती है, बल्कि इस आधार पर किया जाता है कि भविष्य में उपयोगी संतान उत्पन्न करने की उसकी क्षमता क्या है। एक प्रजाति जो "चौड़े पठार" पर होती है, वह उत्परिवर्तित (mutate) हो सकती है और फिर भी जीवित रह सकती है; एक प्रजाति जो "नुकीली स्पाइक" पर होती है, वह थोड़ा सा बदलने पर ही खत्म हो जाती है।

BONSAI एक आदर्श मैनुअल की खोज को एक पेड़ उगाने की तरह मानता है।

पेड़: यह एक "बीज" मैनुअल से शुरू होता है।
शाखाएँ: हर बार जब AI मैनुअल को फिर से लिखने की कोशिश करता है, तो यह एक नई शाखा (चाइल्ड नोड) उगाता है।
कंपास: अगली शाखा को खोजने का निर्णय लेते समय, BONSAI केवल उस शाखा को नहीं चुनता जिसका स्कोर सबसे अधिक है। यह उस शाखा को चुनता है जो सबसे अच्छा भविष्य दिखाती है। यह इवॉल्वेबिलिटी नामक एक स्कोर की गणना करता है, जो मूल रूप से उस मैनुअल में किए गए सभी छोटे बदलावों (उत्परिवर्तन) का औसत स्कोर है।

यदि कोई मैनुअल एक "स्पाइक" पर है, तो उसके पड़ोसी भयानक स्कोर वाले होंगे, और इवॉल्वेबिलिटी स्कोर कम होगा। BONSAI इससे बचता है। यदि कोई मैनुअल एक "पठार" पर है, तो उसके पड़ोसी भी अच्छे स्कोर वाले होंगे, और इवॉल्वेबिलिटी स्कोर उच्च होगा। BONSAI इन सुरक्षित, उत्पादक क्षेत्रों में गहराई तक जाता है।

यह कैसे काम करता है: "ग्राफ्ट" (Graft) ट्रिक

शोधकर्ताओं ने GRAFT नामक एक विशेष विशेषता जोड़ी है। कल्पना कीजिए कि आपके पास पेड़ की दो शाखाएँ हैं: एक शाखा ने सीखा कि "गणित की समस्याओं" को कैसे संभालना है, और दूसरी शाखा ने सीखा कि "स्प्रेडशीट" को कैसे संभालना है। वे अलग-अलग रास्तों पर हैं और कभी एक-दूसरे से बात नहीं करते।

आमतौर पर, AI इन कौशलों को संयोजित नहीं कर सकता क्योंकि वह एक समय में केवल एक ही मैनुअल को देखता है। लेकिन GRAFT AI को "गणित" वाली शाखा को झाँकने, वहां काम करने वाली एक ट्रिक देखने और उस ट्रिक को "स्प्रेडशीट" मैनुअल में कॉपी करने की अनुमति देता है। यह एक माली की तरह है जो एक पेड़ से एक मजबूत शाखा लेता है और उसे दूसरे पेड़ में लगा देता है (grafting) ताकि उसे नई शक्तियाँ मिल सकें। यह पेड़ की संरचना को तोड़े बिना होता है, जिससे AI अपने खोज के विभिन्न हिस्सों से सबसे अच्छे विचारों को मिला और मिला सकता है।

परिणाम: ऊँचाई तक पहुँचना

टीम ने तीन चुनौतियों पर BONSAI का परीक्षण किया:

SpreadsheetBench: एक्सेल फाइलों को ठीक करना।
SearchQA: सर्च परिणामों का उपयोग करके क्विज़ प्रश्नों के उत्तर देना।
LiveMathematicianBench: गणित की समस्याओं को हल करना।

उन्होंने एक फ्रीज़ किए गए 30-बिलियन-पैरामीटर AI एजेंट (परफ़ॉर्मर) और मैनुअल लिखने के लिए एक अलग AI (ऑप्टिमाइज़र) का उपयोग किया। उन्होंने अपने कम्प्यूटिंग बजट (समान मात्रा में कंप्यूटिंग पावर) का उपयोग करते हुए BONSAI की तुलना दो अन्य तरीकों, GEPA और SkillOpt से की।

परिणाम स्पष्ट थे:

SpreadsheetBench पर, BONSAI ने शुरुआती मैनुअल की तुलना में सटीकता में 5.71 अंक का सुधार किया और सबसे अच्छे प्रतियोगी (GEPA) को 2.14 अंकों से पीछे छोड़ दिया।
SearchQA पर, इसने शुरुआती मैनुअल की तुलना में 6.57 अंक का सुधार किया।
LiveMathematicianBench पर, अंतर बहुत बड़ा था। BONSAI 64.91% सटीकता तक पहुँचा, जबकि शुरुआती मैनुअल केवल 28.23% पर था, और प्रतिस्पर्धी GEPA 56.14% पर था।

शोधकर्ताओं ने पाया कि जब उन्होंने "इवॉल्वेबिलिटी" कंपास को बंद कर दिया और केवल AI को लालची होकर उच्चतम स्कोर के पीछे भागने दिया (पुराने तरीकों की तरह), तो AI जल्दी ही उन "नुकीली चोटियों" पर फंस गया और सुधार करना बंद कर दिया। हालाँकि, BONSAI ने खोज में गहराई तक बेहतर समाधान खोजे क्योंकि वह जानता था कि कौन से रास्ते सुरक्षित हैं।

निष्कर्ष

यह शोध पत्र सुझाव देता है कि फ्रीज़ किए गए AI एजेंटों को स्मार्ट बनाने के लिए, हमें केवल वर्तमान में उच्चतम स्कोर नहीं देखना चाहिए। हमें सबसे आशाजनक पड़ोस को देखना चाहिए। तात्कालिक, नाजुक जीत के बजाय स्थिरता और भविष्य की क्षमता (इवॉल्वेबिलिटी) को महत्व देने वाले ट्री-सर्च मेथड का उपयोग करके, BONSAI ने AI के पालन करने के लिए बेहतर निर्देश खोजे। इसे AI के मस्तिष्क को फिर से प्रशिक्षित करने की आवश्यकता नहीं थी; इसे बस एक बेहतर फील्ड मैनुअल लिखने की आवश्यकता थी, और इसने यह जाना कि कौन से रास्ते सुरक्षित रूप से चलने लायक हैं।

तकनीकी सारांश: BONSAI – कौशल पर आधारित इवोलवेबिलिटी-निर्देशित ट्री सर्च (Evolvability-Guided Tree Search over Skills)

1. समस्या विवरण (Problem Statement)

यह शोध पत्र फ्रोजन एजेंटों (frozen agents) के लिए कौशलों (skills) को अनुकूलित करने की चुनौती को संबोधित करता है। एक "कौशल" को एक प्राकृतिक भाषा दस्तावेज़ के रूप में परिभाषित किया गया है (जो एक साधारण प्रॉम्प्ट टेम्पलेट के बजाय एक फील्ड मैनुअल के रूप में कार्य करता है) जो एक फ्रोजन लार्ज लैंग्वेज मॉडल (LLM) को निर्देशित करता है, जिसके वेट्स (weights) को अपडेट नहीं किया जा सकता है। चूंकि एजेंट अनुभव से सीख नहीं सकता, इसलिए इसमें जो भी क्षमता की कमी है, उसे कौशल टेक्स्ट में ही एनकोड किया जाना चाहिए।

कौशल अनुकूलन का मानक दृष्टिकोण एक पुनरावृत्ति लूप (iterative loop) है: एजेंट की विफलताओं के आधार पर कौशल को संपादित करना, होल्ड-आउट कार्यों पर परीक्षण करना, और उन संस्करों को बनाए रखना जो स्कोर में सुधार करते हैं। लेखक इस पद्धति में एक महत्वपूर्ण कमी (blind spot) की पहचान करते हैं: एक एकल सत्यापन स्कोर (validation score) यह अंतर नहीं कर सकता कि दस्तावेज़ एक व्यापक पठार (broad plateau) पर स्थित है (जो आगे के संस्करों के प्रति सुदृढ़ है) या एक संकीर्ण शिखर (narrow spike) पर स्थित है (ओवरफिट और भंगुर/brittle)। एक संकीर्ण शिखर वाला दस्तावेज़ उच्च स्कोर प्राप्त कर सकता है लेकिन वह एक डेड एंड (dead end) है, क्योंकि आगे के संस्कर मौजूदा क्षमताओं को तोड़ सकते हैं। मौजूदा विधियों में कौशल क्षेत्र की "इवोलवेबिलिटी" (evolvability)—अर्थात उत्परिवर्तन (mutation) के तहत व्यवहार्य विविधताओं को उत्पन्न करने की क्षमता—को बिना अतिरिक्त कम्प्यूटेशनल लागत के मापने का कोई तरीका नहीं है।

2. कार्यप्रणाली: BONSAI

BONSAI (बोनसाई: नेचुरल-लैंग्वेज सर्च और एडेप्टिव इटरेशन के माध्यम से बोनसाई ऑप्टिमाइजेशन) कौशल अनुकूलन को केवल तत्काल फिटनेस के बजाय इवोलवेबिलिटी (evolvability) द्वारा निर्देशित मोंटे-कार्लो ट्री सर्च (MCTS) के रूप में पुनर्गठित करता है।

मुख्य घटक

मॉडल्स (Models): दो फ्रोजन मॉडल्स का उपयोग किया जाता है।
- परफॉर्मर (Performer): फ्रोजन एजेंट (जैसे, granite-4.1-30b) जो कौशल के आधार पर कार्यों को निष्पादित करता है।
- ऑप्टिमाइज़र (Optimizer): एक दूसरा फ्रोजन मॉडल (जैसे, DeepSeek-V3.2) जो परफॉर्मर की विफलताओं के आधार पर कौशल को फिर से लिखता है।
ट्री संरचना (Tree Structure): कौशलों को एक ट्री में व्यवस्थित किया जाता है जहाँ रूट (root) एक सीड दस्तावेज़ (seed document) है। प्रत्येक एज (edge) पैरेंट नोड के एक म्यूटेशन (एक रिफ्लेक्टिव रीराइट) का प्रतिनिधित्व करता है। यह संरचना दस्तावेज़ स्थान (document space) पर एक नेबरहुड टोपोलॉजी लागू करती है।

मुख्य मेट्रिक्स (Key Metrics)

फिटनेस ( $v(n)$ ): दस्तावेज़ $n$ का सत्यापन स्कोर।
इवोलवेबिलिटी ( $Q(n)$ ): एक कौशल के म्यूटेशनल नेबरहुड की अपेक्षित फिटनेस के रूप में परिभाषित। इसे नोड की वंशावली (lineage) (नोड स्वयं और उसके सभी वंशज) के औसत फिटनेस द्वारा अनुमानित किया जाता है।
$Q(n) = \frac{1}{m(n)} \sum_{s \in L(n)} v(s)$
जहाँ $L(n)$ वंशावली है और $m(n)$ स्कोर किए गए सदस्यों की संख्या है।
भंगुरता ( $\sigma(n)$ ): वर्तमान फिटनेस और इवोलवेबिलिटी के बीच का अंतर: $\sigma(n) = v(n) - Q(n)$ $σ (n) = v (n) - Q (n)$ ।
- $\sigma > 0$ : एक भंगुर, ओवरफिट पीक (current score नेबरहुड औसत से अधिक है) को दर्शाता है।
- $\sigma \le 0$ : एक इवोलवेबल क्षेत्र (नेबरहुड वर्तमान स्कोर को बनाए रखता है या उसमें सुधार करता है) को दर्शाता है।

सर्च एल्गोरिदम (Search Algorithm)

खोज एक अपर कॉन्फिडेंस बाउंड (UCB) सिलेक्शन नियम का उपयोग करके इटरेशन में आगे बढ़ती है:
$U(s) = v(s) + \lambda(Q(s) - v(s)) + c\sqrt{\frac{\ln N(p)}{N(s)}}$

एक्सप्लॉइटेशन (Exploitation): टर्म $\lambda(Q(s) - v(s))$ खोज को उच्च इवोलवेबिलिटी वाले क्षेत्रों की ओर मोड़ता है। जब $\lambda=1$ होता है, तो खोज कच्चे फिटनेस $v(s)$ के बजाय $Q(s)$ (इवोलवेबिलिटी) को प्राथमिकता देती है।
एक्सप्लोरेशन (Exploration): मानक UCB टर्म यह सुनिश्चित करता है कि कमजोर शाखाओं (branches) पर पुनः विचार किया जाए।
स्वीकृति (Acceptance): एक प्रस्तावित चाइल्ड (child) तभी स्वीकार किया जाता है यदि वह एक छोटे ट्रेनिंग मिनी-बैच पर कड़ाई से सुधार करता है (Eq. 4)।
बैकअप (Backup): स्वीकृत चाइल्ड वंशावली सांख्यिकी ( $N, m, W$ ) को अपडेट करते हैं। अस्वीकृत म्यूटेशन केवल विज़िट काउंट $N$ को अपडेट करते हैं, जिससे विफल संस्कर किसी क्षेत्र की इवलेवेबिलिटी अनुमान को कृत्रिम रूप से कम नहीं कर पाते।
वाइडनिंग (Widening): नोड्स में बच्चों के लिए एक सबलीनियर क्षमता होती है, जो यह सुनिश्चित करती है कि खोज चौड़ी होने के बजाय गहरी बनी रहे।

ग्राफ्टिंग (Grafting - वैकल्पिक ऑपरेटर)

विभिन्न शाखाओं के बीच क्षमता विखंडन (capability fragmentation) को संबोधित करने के लिए, BONSAI में एक ग्राफ्ट (graft) ऑपरेटर शामिल है। यदि नोड $A$ के पास वह क्षमता नहीं है जो क्रॉस-लाइनिएज नोड $B$ के पास है (ट्रेनिंग डेटा पर प्रति-कार्य स्कोर की तुलना करके निर्धारित किया जाता है), तो ऑप्टिमाइज़र को $B$ की तकनीक को शामिल करने के लिए $A$ को फिर से लिखने के लिए कहा जाता है। डोनर $B$ एक साक्ष्य (evidence) के रूप में कार्य करता है, वंशावली के रूप में नहीं, और इसे कोई विज़िट अपडेट प्राप्त नहीं होता है।

शिपिंग (Shipping)

बजट समाप्त होने पर, BONSAI उच्चतम इवोलवेबिलिटी वाले दस्तावेज़ के बजाय उच्चतम सत्यापन स्कोर ( $\arg\max v(n)$ ) वाले एकल दस्तावेज़ को शिप करता है। यह सुनिश्चित करता है कि अंतिम आउटपुट खोजा गया सबसे अच्छा प्रदर्शन करने वाला दस्तावेज़ है, जबकि इवोलवेबिलिटी केवल खोज बजट के लिए एक स्टीयरिंग तंत्र के रूप में कार्य करती है।

3. मुख्य योगदान (Key Contributions)

स्टीयरिंग मेट्रिक के रूप में इवोलवेबिलिटी: लेखकों ने पहचान की है कि कौशल अनुकूलन के लिए वर्तमान फिटनेस के बजाय उत्परिवर्तन के तहत मजबूती (इवोलवेबिलिटी) एक महत्वपूर्ण गुण है।
लागत-मुक्त अनुमान (Cost-Free Estimation): वे एक विधि प्रस्तावित करते हैं जिससे शून्य अतिरिक्त मॉडल कॉल के साथ इवलेवेबिलिटी ( $Q$ ) को मापा जा सकता है। यह खोज के दौरान पहले से चुकाए गए फिटनेस स्कोर का पुन: उपयोग करता है।
ट्री-आधारित सर्च फ्रेमवर्क: BONSAI उम्मीदवारों के एक अव्यवस्थित संग्रह को एक संरचित खोज स्थान में बदल देता है जहाँ नेबरहुड गुणों को मापा और अनुकूलित किया जा सकता है।
असममित क्षमता हस्तांतरण (Asymmetric Capability Transfer): ग्राफ्ट ऑपरेटर का परिचय दस्तावेज़ों को मर्ज किए बिना वंशावलियों के बीच विशिष्ट क्षमताओं के हस्तांतरण की अनुमति देता है।

4. प्रयोगात्मक परिणाम (Experimental Results)

फ्रेमवर्क का मूल्यांकन एक फ्रोजन 30B परफॉर्मर और एक DeepSeek-V3.2 ऑप्टिमाइज़र का उपयोग करके तीन बेंचमार्क पर किया गया।

SpreadsheetBench: BONSAI ने सीड दस्तावेज़ की तुलना में सटीकता में 5.71 अंक का सुधार किया और बजट-मैच्ड बेसलाइन GEPA को 2.14 अंकों से पीछे छोड़ दिया। ग्राफ्टिंग सक्षम करने के साथ, इसने 25.00% सटीकता प्राप्त की।
SearchQA: BONSAI ने सीड की तुलना में 6.57 अंक का सुधार किया और GEPA को 0.71 अंकों से पछाड़ दिया (79.00% बनाम 78.29%)।
LiveMathematicianBench: BONSAI ने 64.91% सटीकता प्राप्त की, जो सीड (28.23%) से काफी बेहतर है और GEPA को 8.77 अंकों से पीछे छोड़ देता है।
SkillOpt के साथ तुलना: सभी बेंचमार्क में, BONSAI ने दूसरे बेसलाइन, SkillOpt, को औसतन 3.97 अंकों से पीछे छोड़ दिया। लेखक SkillOpt की कमी का श्रेय उसके एग्रीगेशन चरण को देते हैं, जो अंतर्निहित प्रक्षेपवक्र (trajectories) को देखे बिना संस्करों को संकुचित करता है।
एब्लेशन (इवोलवेबिलिटी बनाम ग्रीडी): जब चयन सिग्नल को शुद्ध ग्रीडी फिटनेस ( $\lambda=0$ ) में बदल दिया गया, तो प्रदर्शन सभी बेंचमार्क में काफी गिर गया (उदाहरण के लिए, LiveMathematicianBench पर -7.02 अंक), जो पुष्टि करता है कि इवोलवेबिलिटी द्वारा स्टीयरिंग सफलता का प्राथमिक चालक है।

5. महत्व और दावे (Significance and Claims)

यह शोध पत्र दावा करता है कि BONSAI सफलतापूर्वक खोज बजट को कौशल स्थान के उन क्षेत्रों की ओर मोड़ता है जो निरंतर सुधार प्रदान करते हैं, न कि उन क्षेत्रों की ओर जो संकीर्ण, ओवरफिट पीक्स पर फंस जाते हैं। इवोलवेबिलिटी को फिटनेस से एक अलग गुण मानकर, यह विधि मानक स्कोर-आधारित अनुकूलन की "अंध बिंदु" (blind spot) से बचती है।

लेखक इस बात पर जोर देते हैं कि यह सुधार बिना किसी अतिरिक्त लागत के प्राप्त किया गया है, क्योंकि इवोलवेबिलिटी मेट्रिक मौजूदा खोज डेटा से प्राप्त होता है। फ्रेमवर्क प्रदर्शित करता है कि फ्रोजन एजेंटों के लिए, कौशल स्थान का "टेरेन" (terrain)—उसकी विकसित होने की क्षमता—वर्तमान "ऊंचाई" (स्कोर) जितना ही महत्वपूर्ण है। परिणाम बताते हैं कि कौशल अनुकूलन को म्यूटेशनल रोबस्टनेस द्वारा निर्देशित ट्री सर्च के रूप में व्यवस्थित करने से मौजूदा रिफ्लेक्टिव प्रॉम्प्ट इवोल्यूशन या ट्रेन करने योग्य-स्टेट दृष्टिकोणों की तुलना में बेहतर सामान्यीकरण (generalization) प्राप्त होता है।