自己進化型AIエージェントの包括的調査：基盤モデルと生涯エージェントシステムを架橋する新たなパラダイム
A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems
August 10, 2025
著者: Jinyuan Fang, Yanwen Peng, Xi Zhang, Yingxu Wang, Xinhao Yi, Guibin Zhang, Yi Xu, Bin Wu, Siwei Liu, Zihao Li, Zhaochun Ren, Nikos Aletras, Xi Wang, Han Zhou, Zaiqiao Meng
cs.AI
要旨
大規模言語モデルの最近の進展により、複雑な現実世界のタスクを解決可能なAIエージェントに対する関心が高まっている。しかし、既存のエージェントシステムの多くは、デプロイ後に静的となる手動で構築された設定に依存しており、動的かつ進化する環境への適応能力が制限されている。この課題に対処するため、最近の研究では、インタラクションデータや環境フィードバックに基づいてエージェントシステムを自動的に強化することを目指すエージェント進化技術が探求されている。この新たな方向性は、基盤モデルの静的な能力と、生涯にわたるエージェントシステムに必要な継続的な適応性を橋渡しする自己進化型AIエージェントの基盤を築いている。本調査では、自己進化型エージェントシステムの既存技術を包括的にレビューする。具体的には、まず、自己進化型エージェントシステムの設計に内在するフィードバックループを抽象化した統一的な概念的枠組みを紹介する。この枠組みは、システム入力、エージェントシステム、環境、および最適化器という4つの主要な構成要素を強調し、異なる戦略を理解し比較するための基盤を提供する。この枠組みに基づき、エージェントシステムの異なる構成要素を対象とした幅広い自己進化技術を体系的にレビューする。また、バイオメディシン、プログラミング、金融などの専門分野で開発されたドメイン固有の進化戦略についても調査する。これらの分野では、最適化目標がドメインの制約と密接に結びついている。さらに、自己進化型エージェントシステムの評価、安全性、倫理的考慮事項についても特化した議論を提供し、その有効性と信頼性を確保する上で重要な側面を検討する。本調査は、研究者や実務家に対して、自己進化型AIエージェントの体系的な理解を提供し、より適応的で自律的かつ生涯にわたるエージェントシステムの開発の基盤を築くことを目的としている。
English
Recent advances in large language models have sparked growing interest in AI
agents capable of solving complex, real-world tasks. However, most existing
agent systems rely on manually crafted configurations that remain static after
deployment, limiting their ability to adapt to dynamic and evolving
environments. To this end, recent research has explored agent evolution
techniques that aim to automatically enhance agent systems based on interaction
data and environmental feedback. This emerging direction lays the foundation
for self-evolving AI agents, which bridge the static capabilities of foundation
models with the continuous adaptability required by lifelong agentic systems.
In this survey, we provide a comprehensive review of existing techniques for
self-evolving agentic systems. Specifically, we first introduce a unified
conceptual framework that abstracts the feedback loop underlying the design of
self-evolving agentic systems. The framework highlights four key components:
System Inputs, Agent System, Environment, and Optimisers, serving as a
foundation for understanding and comparing different strategies. Based on this
framework, we systematically review a wide range of self-evolving techniques
that target different components of the agent system. We also investigate
domain-specific evolution strategies developed for specialised fields such as
biomedicine, programming, and finance, where optimisation objectives are
tightly coupled with domain constraints. In addition, we provide a dedicated
discussion on the evaluation, safety, and ethical considerations for
self-evolving agentic systems, which are critical to ensuring their
effectiveness and reliability. This survey aims to provide researchers and
practitioners with a systematic understanding of self-evolving AI agents,
laying the foundation for the development of more adaptive, autonomous, and
lifelong agentic systems.