近期研究表明，多模态代理能够在无需持续人工标注的情况下实现自我提升。然而，这些自我提升机制往往只在单一场景中设计与评估，跨场景的前提条件缺乏验证。本调查聚焦四类场景——多模态推理、多模态生成、图形界面与网页导航以及具身操作——分析机制转移的结构性根源。我们首先以四个标准和自指差异形式化自进化多模态代理，并采用经验生成、反馈获取、更新整合的三阶段自进化循环作为分析框架，将各场景映射到 rollout 次数上限和反馈保真度的天花板上。通过在每个场景中比较自进化循环与固定循环，区分场景固有限制与自进化设计本身的局限。随后，将每种机制重新表述为通过假设任务结构资源（如输出等价性或可检查结果）提升稀缺因素的权衡，并判断其在不同场景下是可移植、条件性、受阻还是冗余。我们将不对称性归因于相反转移方向上稀缺因素与资源组合的差异，并指出匹配预算的度量有望推翻当前未验证的结论。\n\n点评：本文系统梳理了自进化机制在多模态任务中的跨场景可迁移性，为后续研究提供了明确的资源-稀缺因素框架，建议在实验设计时显式量化反馈保真度与 rollout 规模，以验证理论预测。