論文の概要: A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems

• arxiv url: http://arxiv.org/abs/2508.07407v1
• Date: Sun, 10 Aug 2025 16:07:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-12 21:23:28.847109
• Title: A Comprehensive Survey of Self-Evolving AI Agents: A New Paradigm Bridging Foundation Models and Lifelong Agentic Systems
• Title（参考訳）: 自己進化型AIエージェントの包括的調査:新しいパラダイムブリッジング基礎モデルと生涯エージェントシステム
• Authors: 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,
• Abstract要約: 既存のAIシステムは、デプロイ後も静的な手作業による構成に依存している。 近年,インタラクションデータと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拡張するエージェント進化手法が研究されている。 この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供することを目的としている。
• 参考スコア（独自算出の注目度）: 44.15541109882409
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 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.
• Abstract（参考訳）: 大規模言語モデルの最近の進歩は、複雑な現実世界のタスクを解決できるAIエージェントへの関心が高まっている。 しかしながら、既存のエージェントシステムは、デプロイ後に静的のままで、動的で進化する環境に適応する能力を制限する手作業による構成に依存している。 この目的のために,インタラクションデータと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拡張することを目的としたエージェント進化手法を最近の研究で検討している。 この新たな方向は、生涯にわたるエージェントシステムに必要な継続的適応性によって、基礎モデルの静的能力を橋渡しする、自己進化型AIエージェントの基礎を築いた。 本稿では,自己進化型エージェントシステムにおける既存手法の総合的なレビューを行う。 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の根底にあるフィードバックループを抽象化する統一的な概念的枠組みを導入する。 フレームワークは、システム入力、エージェントシステム、環境、オプティマイザの4つの重要なコンポーネントを強調しており、異なる戦略を理解し、比較するための基盤となっている。 この枠組みに基づいて,エージェントシステムの異なるコンポーネントを対象とする多種多様な自己進化手法を体系的に検討する。 また,生物医学,プログラミング,ファイナンスといった専門分野向けに開発されたドメイン固有の進化戦略についても検討する。 また, 自己進化型エージェントシステムの評価, 安全性, 倫理的考察について, 有効性, 信頼性の確保に不可欠である。 この調査は、自己進化型AIエージェントの体系的な理解を研究者や実践者に提供し、より適応的で自律的で生涯にわたるエージェントシステムの開発の基礎を築くことを目的としている。

関連論文リスト

• A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
  大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。 LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。 この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
  論文  参考訳（メタデータ） (2025-07-28T17:59:05Z)
• Distinguishing Autonomous AI Agents from Collaborative Agentic Systems: A Comprehensive Framework for Understanding Modern Intelligent Architectures [0.0]
  大規模言語モデルの出現は、人工知能の2つの異なる相互接続パラダイム、すなわちスタンドアロンAIエージェントと協調エージェントAIエコシステムを触媒した。 本研究は, 運用原則, 構造構成, 配置方法論の体系的解析を通じて, これらのアーキテクチャを識別するための決定的な枠組みを確立する。
  論文  参考訳（メタデータ） (2025-06-02T08:52:23Z)
• Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
  この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。 自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。 また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
  論文  参考訳（メタデータ） (2025-03-31T18:00:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。