ChatPaper.aiChatPaper

Auto-Melhorias em Sistemas Agênticos Modernos: Uma Pesquisa

Self-Improvements in Modern Agentic Systems: A Survey

July 14, 2026
Autores: Zhe Ren, Yimeng Chen, Dandan Guo, Guowei Rong, Tonghui Li, R. B. Xiong, Qingfeng Lan, Wenyi Wang, Li Nanbo, Yibo Yang, Mingchen Zhuge, Jürgen Schmidhuber
cs.AI

Resumo

Agentes autônomos autoaprimoráveis estão migrando de protótipos de pesquisa para sistemas implantados. O objetivo principal é a evolução controlável, ou adaptação, a partir da experiência com mínimo ou nenhum input humano. Este levantamento enquadra agentes autoaprimoráveis modernos como sistemas adaptativos que convertem experiência em ganhos acumulados de capacidade. Oferecemos um framework de nível sistêmico que representa um agente moderno como uma configuração que acopla um modelo fundamental a um andaime operacional de prompts, memória, ferramentas e lógica de controle. Dentro desse framework, o autoaprimoramento é formalizado como um operador de atualização autoinduzido que obtém e compromete atualizações nos parâmetros do modelo ou nos componentes do andaime. Organizamos trabalhos anteriores por alvo de atualização e pelos sinais que impulsionam a mudança, revisamos aplicações e discutimos avaliação, antes de encerrar com problemas em aberto e direções futuras. Para conveniência, acompanhamos as atualizações técnicas em https://github.com/selfimproving-agent/awesome-Self-Improving-Agents.
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.