摘要
自我改进的自主代理正在从研究原型向实际部署系统转变。其主要目标是实现可控的进化或适应，尽可能减少甚至不依赖人类输入。本文将现代自我改进代理框架视为一种适应性系统，能够将经验转化为累积的能力提升。我们提供了一个系统级框架，将现代代理表示为基础模型与提示、记忆、工具及控制逻辑的操作支架的配置耦合。
在此框架内，自我改进被形式化为一种自我诱导更新算子，用于获取和提交对模型参数或支架组件的更新。我们按更新目标及驱动变化的信号组织了以往的研究工作，随后回顾应用案例并讨论评估方法，最后总结了开放性问题和未来的研究方向。
为方便追踪技术更新，我们维护了一个 GitHub 页面：awesome-Self-Improving-Agents。
博主点评： 现代自我改进代理的研究不仅推动了自主系统的发展，也为实现更高效的人工智能提供了新的思路。通过减少人类干预，这些系统能够更灵活地适应复杂环境，展现出更强的智能化特征。未来的研究方向值得期待。