T-BoN BO: самосовершенствующийся AI через оптимистичный выбор улучшений

Парадокс: Генерация стала дешёвой (LLM выдаёт 100 вариантов за минуты), а оценка — дорогой (A/B-тест тех же вариантов стоит недели и тысячи рублей на трафик). Методы типа GEPA оптимизируют скорость генерации, но игнорируют цену оценки — требуют протестировать 50+ вариантов для результата. T-BoN BO позволяет найти сильное решение за минимум реальных оценок — вдвое меньше чем state-of-the-art. Фишка: оптимистичный выбор — модель выбирает не "лучший сейчас", а "самый перспективный с учётом неопределённости". Баланс между "точно хорошо" (exploitation) и "может быть отлично" (exploration). Результат: 5-7 реальных оценок вместо 20-30.