Nous avons construit un agent IA 🤖 qui optimise le code entièrement de lui-même, et nous l’avons appliqué à l’un des objectifs de performance les plus difficiles qui soit : Pico, notre zkVM.
AutoEng exécute l’ensemble de la boucle d’ingénierie des performances sans aucune intervention humaine. Il profile le prouveur en conditions réelles, identifie le goulot d’étranglement le plus porteur, écrit une optimisation candidate, puis ne la conserve que si la mesure démontre que le changement est à la fois correct et plus rapide. Personne n’approuve une étape à la fois.
Le résultat : lors de la preuve réelle de blocs sur Ethereum, dans un système déjà optimisé pendant des années de travail d’experts et utilisé en temps réel, AutoEng a trouvé un gain de vitesse bout-en-bout d’environ ~11% de façon constante, en moins de trois jours d’exécution autonome. Pour mettre cela en perspective, à cette frontière, un spécialiste pourrait mettre deux à trois semaines pour gagner seulement un demi pour cent.
Ce qui le rend fiable est simple : le modèle peut proposer, mais il ne juge jamais. L’exactitude est vérifiée octet par octet, et la vitesse est déterminée par des benchmarks déterministes ; il ne peut donc pas se convaincre d’un mauvais résultat.
Et la boucle n’était jamais spécifique à Pico. Le même agent piloté par la mesure a aussi participé à des benchmarks externes, atteignant brièvement la première place sur le défi du quantum-circuit ecdsa.fail (devant l’entrée de Google) et se classant dans le top 20 sur GPU MODE, environ ~2,4x plus rapide que MAGMA.
La plupart des histoires « l’IA écrit du code » s’arrêtent à la génération et laissent ensuite un humain vérifier le résultat. AutoEng automatise aussi la phase d’évaluation : il mérite chaque gain de vitesse qu’il revendique. Un aperçu petit, mais réel, de l’ingénierie autonome des performances.
Article complet : https://blog.brevis.network/2026/07/06/autoeng-the-ai-agent-that-autonomously-made-state-of-the-art-code-11-faster/
AutoEng exécute l’ensemble de la boucle d’ingénierie des performances sans aucune intervention humaine. Il profile le prouveur en conditions réelles, identifie le goulot d’étranglement le plus porteur, écrit une optimisation candidate, puis ne la conserve que si la mesure démontre que le changement est à la fois correct et plus rapide. Personne n’approuve une étape à la fois.
Le résultat : lors de la preuve réelle de blocs sur Ethereum, dans un système déjà optimisé pendant des années de travail d’experts et utilisé en temps réel, AutoEng a trouvé un gain de vitesse bout-en-bout d’environ ~11% de façon constante, en moins de trois jours d’exécution autonome. Pour mettre cela en perspective, à cette frontière, un spécialiste pourrait mettre deux à trois semaines pour gagner seulement un demi pour cent.
Ce qui le rend fiable est simple : le modèle peut proposer, mais il ne juge jamais. L’exactitude est vérifiée octet par octet, et la vitesse est déterminée par des benchmarks déterministes ; il ne peut donc pas se convaincre d’un mauvais résultat.
Et la boucle n’était jamais spécifique à Pico. Le même agent piloté par la mesure a aussi participé à des benchmarks externes, atteignant brièvement la première place sur le défi du quantum-circuit ecdsa.fail (devant l’entrée de Google) et se classant dans le top 20 sur GPU MODE, environ ~2,4x plus rapide que MAGMA.
La plupart des histoires « l’IA écrit du code » s’arrêtent à la génération et laissent ensuite un humain vérifier le résultat. AutoEng automatise aussi la phase d’évaluation : il mérite chaque gain de vitesse qu’il revendique. Un aperçu petit, mais réel, de l’ingénierie autonome des performances.
Article complet : https://blog.brevis.network/2026/07/06/autoeng-the-ai-agent-that-autonomously-made-state-of-the-art-code-11-faster/