Naukowcy opracowali SBCO, system pozwalający agentom AI samodzielnie ulepszać swoje działania w zadaniach planistycznych poprzez uczenie się ze stanu harnesu agenckiego, bez konieczności modyfikacji własnego kodu. Metoda łączy weryfikację z optymalizacją blokową, aby uczyć się rozkładanego banku weryfikatorów i polityki harnesu w efektywny, zamknięty sposób.
Problem, jaki rozwiązuje SBCO, wiąże się z ograniczeniami istniejących metod samodzielnego doskonalenia się agentów. Podejścia takie jak Darwin Gödel Machine czy Huxley Gödel Machine działają świetnie w zadaniach kodowania, gdzie zdolność do wykonania zadania pokrywa się z umiejętnością samomodyfikacji kodu. Jednak dla wielu praktycznych problemów, szczególnie w planowaniu z wyraźnymi ograniczeniami, takie samoodnoszące się doskonalenie jest niemożliwe. Alternatywne podejścia wymagają kosztownego przeszukiwania populacji lub wiele prób modyfikacji agentów.
SBCO oferuje tańszą i bardziej elegancką alternatywę poprzez samoobserwację zamiast samoreferencyji. System uczy się poprzez przybliżoną optymalizację blokową współrzędnych, co pozwala na efektywne doskonalenie bez masowych obliczeniowych nakładów. To czyni metodę praktyczną dla rzeczywistych zastosowań w planowaniu, gdzie agenci muszą działać w złożonych środowiskach z istotnymi ograniczeniami.