현대 에이전틱 시스템에서의 자기 개선: 서베이

초록

자기 개선 자율 에이전트는 연구 프로토타입에서 배포된 시스템으로 전환되고 있다. 주요 목표는 인간의 개입을 최소화하거나 전혀 없이 경험을 통해 제어 가능한 진화, 즉 적응에 있다. 본 논문은 현대의 자기 개선 에이전트를 경험을 축적된 능력 향상으로 전환하는 적응형 시스템으로 개념화한다. 우리는 프롬프트, 메모리, 도구 및 제어 논리로 구성된 운영 스캐폴드(operational scaffold)와 기반 모델(foundation model)을 결합한 구성(configuration)으로 현대 에이전트를 표현하는 시스템 수준 프레임워크를 제시한다. 이 프레임워크 내에서 자기 개선은 모델 매개변수 또는 스캐폴드 구성 요소에 대한 업데이트를 획득하고 적용하는 자기 유도 업데이트 연산자(self-induced update operator)로 공식화된다. 우리는 업데이트 대상과 변화를 유도하는 신호에 따라 기존 연구를 정리하고, 응용 사례를 검토한 후 평가에 대해 논의한 다음, 미해결 문제와 향후 방향을 제시하며 마무리한다. 편의를 위해 https://github.com/selfimproving-agent/awesome-Self-Improving-Agents에서 기술 업데이트를 추적한다.

English

Self-improving autonomous agents are moving from research prototypes to deployed systems. The primary goal is controllable evolution, or adaptation, from experience with minimal or even no human input. This survey frames modern self-improving agents as adaptive systems that convert experience into accumulated capability gains. We offer a system-level framework that represents a modern agent as a configuration coupling a foundation model with an operational scaffold of prompts, memory, tools, and control logic. Within this framework, self-improvement is formalized as a self-induced update operator that obtains and commits updates to model parameters or scaffold components. We organize prior work by update target and by the signals that drive change, then review applications and discuss evaluation, before closing with open problems and future directions. For convenience, we track technical updates on https://github.com/selfimproving-agent/awesome-Self-Improving-Agents.