据 God of Prompt 在 X 上称，Meta 演示了 DGM‑Hyperagents：将任务代理与元代理合并为可编辑同一程序，使“改进机制可自我重写”，解决以往自改进AI的架构瓶颈。该贴文指出，早期 DGM、ADAS 与哥德尔机变体的元代理由人工固定，限制了开放式优化；而 DGM‑Hyperagents 通过元认知自修改实现持续自我改造。据该来源，系统自主构建了持久化记忆、性能追踪与算力感知规划以加速改进。该贴文还报告，一名在论文审阅与机器人领域训练的超代理，零样本转移至奥赛级数学任务时取得 imp@50=0.630，而原版 DGM 转移代理与无训练初始代理均为 0.000。依据同一来源的消融结果，去除元认知自修改或去除开放式探索，论文审阅成绩均降至 0.0；完整系统为 0.710，显示两者缺一不可。该贴文称所有实验在沙盒与人工监督下进行，父代选择机制保持外部固定，作为安全约束。若后续得到 Meta 正式论文验证，商业影响包括更快的企业自动化研发迭代、自主构建记忆与工具链的自适应代理平台，以及“学会如何改进”的跨域迁移，为 AIOps、机器人与开发者工具带来新机遇。

据 X 平台用户 God of Prompt 报道，Meta AI 提出 Hyperagents，将任务代理与元代理合并，并允许系统同时修改代理本身及其修改过程，实现“元认知自我修改”，使改进策略可迁移并随运行次数累积。根据该贴文，Hyperagents 在编码、论文评审、机器人奖励设计、奥赛级数学评分四个领域持续提升，优于无自我改进的基线与以往自我改进系统（包括 DGM）。报道指出，核心突破在于“改进的改进”可跨领域复用（如持久记忆、性能跟踪），突破以往自改系统仅限编码领域的天花板。面向产业，这意味着企业可布局可自优化的代理工作流、跨域评测平台与能自我迭代的企业助手，以获得长期复利式性能提升。