A Survey of Self-Evolving Agents: What, When, How, and Where to Evolve on the Path to Artificial Super Intelligence
Self-Evolving Agent 综述：改什么、何时改、如何改、在哪里改
以更新对象、更新时机、学习机制和应用环境建立多轴分类，并把适应、保留、generalization、效率和安全纳入评价。
Classification & RSI Relation 1 Variant · Editorial Assessment
主题标签用于检索；以下按实际 Experiment / Variant 判断更新对象与证据。Not Demonstrated 表示这项研究未提供相应证据。
Framework / Protocol
- Update Target
- No persistent system target in this setting
- Loop Role
- Not Applicable
- Persistence
- Not Applicable
- Recursive Reuse
- Not Applicable
- Evidence
- Conceptual Synthesis
- System Boundary
- Models, Context, Tools & Architecture；以该论文实际可更新组件为边界，固定部分见下方判定。
- Feedback
- 文本、内部/外部 reward、示范与 population selection
- Evidence Scope
- 本条核读摘要及定义、分类和评测结构，未逐页通读 77 页全文。文中通向 ASI 的描述属于研究愿景；框架覆盖范围比严格 RSI 更广，不能因论文被收录就判断它已经具备 Recursive Self-Improvement 能力。 已核验固定版本的相关方法与主要结果；未独立复现。
编者归类：为 RSI 阅读提供多轴坐标。model、memory、工具或架构的变化属于更新对象，任务内与跨任务属于时间尺度；是否进一步改善了负责更新的机制，仍需逐项检查独立证据。
检查原文设置 ↗原论文明确提出或报告的内容
相关文献中已有的知识与结论
基于证据的解释、重建或教学推演
待验证的猜测、实验计划或新研究提案
Idea Reconstruction 是从已知背景出发的推演，不代表作者真实心理过程。Follow-up 是研究提案；相关工作比较不等于已证实 Novelty。教学示例与原文案例在正文中区分。
Contents · 12 Questions
Research Problem & Background
问题为什么重要，解决它有什么价值？
model 训练、memory 管理、prompt optimization 和 multi-Agent collaboration 常被分散研究，但部署后的系统需要连续适应新任务。论文要解决的是如何为这些不同形式的演化建立共同定义，并明确自主性发生在哪个环节。
Self-Evolving Agents 同时涉及模型、Context、工具和协作流程，若按方法名称堆叠，很难找到共同问题。这篇 Survey 用 What、When、How 和应用场景组织研究，让读者分开思考更新对象、发生时机与驱动机制。
Core Intuition
用一个清楚的视角抓住方法本质。
self-evolution 不能只由是否使用 reinforcement learning 来定义，还应检查谁决定学习内容与更新时间。作者将“改什么、何时改、如何改”分开，再补充应用领域，使单次任务内适应与跨任务积累能够被区分。
Method & Worked Example
沿着输入、处理、输出走完 Pipeline。
通过统一定义和多轴文献分类，整理 reward feedback、示范学习、population 演化等机制；按静态、短期适应和长期 continual learning 梳理评测范式，并分析跨领域迁移、成本比较及 multi-Agent collaboration 的研究缺口。
用 Voyager 作具体分类：What 涉及可执行 Skill 与经验记录，When 发生在持续交互过程中，How 使用环境反馈、代码生成和检索，Where 是 Minecraft。再看 ADAS，主要变化是目标 Agent Architecture。这里是按 Survey 视角进行的教学映射；是否证明 Recursive Gain 仍要回到各论文的实验。
Mathematical Foundations
从符号、直觉与简单例子理解理论。
综述的形式化将 Agent 放进部分可观测环境，并区分组成模块与其状态。无需为这篇 Survey 学习一个新的优化推导。更实用的是把每个方法表示为多轴记录，而非一个数值等级；例如 Target 集合、Timing、Feedback 和 Domain 可以独立变化。分类向量仅表示描述，不表示越多轴被勾选就越先进。
Method record = (Targets, Timing, Mechanisms, Feedback, Domain) Coverage across axes is descriptive, not a capability score
Experiments & Claims
Research Question → Experiment → Answer
Question：领域中的适应机制有哪些共性与差异？→ Validation：系统整理代表工作、评价目标与应用，比较组件与适应阶段。→ Answer：提供文献地图和研究议程；标题中的 ASI 路径属于愿景，不是本综述通过实验建立的因果结论。
论文提供的是方法谱系与评价框架，包含适应性、保留性、generalization、效率、安全等目标，而非一个可直接部署的新算法。更新版题名加入 Where 维度，适合作为按机制检索论文的入口。
Takeaways
这篇论文改变了哪些判断？
最值得继承的是独立维度。本站将 Context 中的 Prompt 与 Memory 分开浏览，并再记录 Role、Persistence 与 Evidence，使读者能问“同样更新 Model 的方法，究竟更新了 Solver 还是 Judge”。
One-Week Reproduction
用一周检验一个最小且明确的命题。
Day 1–2：选取六篇不同对象的代表论文。Day 3–5：先仅根据摘要分类，再阅读全文重新分类。Day 6–7：记录哪些判断被方法细节改变，形成可复用的分类问题清单。核心检验是框架是否降低误标率。
Counterexample Design
如何构造有辨识力的反例？
选一个只在当前 Prompt 中检索只读资料的系统，再选一个会修改长期检索策略的系统。如果两者得到完全相同的 Evolution 描述，就说明对象分类之外还缺少提交状态和更新角色。
Sources & Verification
阅读已固定版本的原文 Background、方法与主要结果，结合下列相关文献撰写。Paper Claim 表示作者报告，未独立复现；Inference 包括数学教学推演与 Idea Reconstruction。One-Week Reproduction、Counterexample 和 Follow-up 均为待执行提案，Novelty 尚需更全面的文献与实验检验。
- [1] A Survey of Self-Evolving Agents: What, When, How, and Where to Evolve on the Path to Artificial Super Intelligence · v4 ↗原文 Background、Method / Formalization 与主要实验或理论结论。数字沿用原文设置；未独立运行完整实验。
- [2] STaR: Bootstrapping Reasoning With Reasoning ↗相关方法与研究背景；用于说明具体差异，不能替代对本篇结论的验证。
- [3] Voyager: An Open-Ended Embodied Agent with Large Language Models ↗相关方法与研究背景；用于说明具体差异，不能替代对本篇结论的验证。
- [4] Automated Design of Agentic Systems ↗相关方法与研究背景；用于说明具体差异，不能替代对本篇结论的验证。