自演化智能体综述：迈向人工智能超智能之路

大型语言模型（LLM）已展现出强大的能力，但它们本质上是静态的，无法根据新任务、不断发展的知识领域或动态交互上下文调整其内部参数。随着LLM越来越多地部署在开放式、交互式环境中，这种静态特性已成为一个关键瓶颈，亟需能够实时自适应推理、行动和进化的智能体。从扩展静态模型到开发自进化智能体的范式转变，激发了人们对能够从数据、交互和经验中持续学习和适应的架构和方法的日益增长的兴趣。本调查首次对自进化智能体进行了系统而全面的回顾，围绕三个基本维度进行组织——进化什么、何时进化以及如何进化。我们考察了智能体组件（例如，模型、记忆、工具、架构）中的进化机制，按阶段（例如，测试时内、测试时间）对适应方法进行分类，并分析指导进化适应的算法和架构设计（例如，标量奖励、文本反馈、单智能体和多智能体系统）。此外，我们分析了为自进化智能体量身定制的评估指标和基准，重点介绍了其在编码、教育和医疗保健等领域的应用，并识别了安全性、可扩展性和协同进化动力学方面的关键挑战和研究方向。通过为理解和设计自进化智能体提供一个结构化框架，本调查为推进自适应智能体系统在研究和实际部署中的发展奠定了路线图，最终为实现通用人工智能（ASI）铺平道路，即智能体能够自主进化，在各种任务中达到或超越人类智能水平。