Самоулучшения в современных агентных системах: обзор
Self-Improvements in Modern Agentic Systems: A Survey
July 14, 2026
Авторы: 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
Аннотация
Самоулучшающиеся автономные агенты переходят от исследовательских прототипов к развернутым системам. Основная цель — контролируемая эволюция, или адаптация, на основе опыта с минимальным или даже нулевым участием человека. Данный обзор рассматривает современные самоулучшающиеся агенты как адаптивные системы, преобразующие опыт в накопленные приросты способностей. Мы предлагаем системный фреймворк, представляющий современного агента как конфигурацию, связывающую фундаментальную модель с операционным каркасом, состоящим из промптов, памяти, инструментов и управляющей логики. В рамках этого фреймворка самоулучшение формализуется как самоиндуцированный оператор обновления, который получает и фиксирует обновления параметров модели или компонентов каркаса. Мы систематизируем предыдущие работы по цели обновления и сигналам, управляющим изменениями, затем рассматриваем приложения и обсуждаем оценку, завершая открытыми проблемами и будущими направлениями. Для удобства мы отслеживаем технические обновления на 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.