综述 | 递归自改进智能体之路：当 Agent 开始学习“如何改进自己”

综述 | The Path to Recursive Self-Improving Agents: Foundation, Framework, and Future Directions

作者｜Shuaiqi Liu*, Zhengkai Lin*, Yuxiang Zhang*, Yuanyi Ren*, Yue Wu, Yongbin Li, Zheng Wang, Zhihang Fu*, Jieping Ye — Alibaba Group

论文下载: https://www.preprints.org/frontend/manuscript/3c41418aa2e782b90ee5da995565ecac/download_pub

论文 GitHub 项目：https://github.com/D2I-ai/awesome-recursive-self-improving-agents/blob/main/README.zh-CN.md

项目主页：递归自改进智能体之路

 

---

 

目前基于大模型的智能体系统已经能完成越来越复杂的任务，但有个关键瓶颈：这些智能体系统的改进仍依赖人类专家。

诊断问题、重新设计、实现修改、验证效果，每一轮对智能体系统的迭代改进都需要投入大量人力和时间。这限制了对智能体系统改进的效率和覆盖范围。

这就引出了一个自然的问题：能不能让智能体系统自己改进自己？

更进一步 —— 能不能让智能体系统连「改进自己的方法」也一起改进？

这篇综述 《The Path to Recursive Self-Improving Agents: Foundation, Framework, and Future Directions》, 围绕以上两个问题展开，主要研究自改进智能体系统，以及其更强形式：递归自改进智能体系统。

 

这篇综述主要有四方面的贡献：

1）给出自改进 Agent 系统和递归自改进 Agent 系统的形式化定义，并提出衡量自改进能力的分级标准（五级 L1–L5）；

2）提出了一个研究框架，对智能体系统的自改进进行统一建模，包含改进的对象和改进的过程；

3）系统性地总结了现有相关工作，并归纳出了一套分类体系；

4）归纳总结了关键的开放问题，可作为未来的研究方向。

 

---

统一研究框架

论文提出了一个研究框架，统一地建模智能体系统的自改进

自改进 Agent 系统的统一研究框架：

 

 

这个框架回答两个核心问题：

- 改进的对象（改进什么？） —— 模型 M_t、Agent Harness H_t、Agent 数据系统 D_t、Trainer T_t ，乃至改进机制本身 Imp_t，都可以是改进的目标, x_t = {M_t, H_t, D_t, T_t, Imp_t} 

- 改进的过程（怎么改进？）—— 改进过程可以抽象总结为： 诊断瓶颈（Diagnose）→ 提出修改（Propose）→ 评估修改（Evaluate）→ 整合修改（Integrate）四个阶段。自改进过程表示为： x_t+1 = Imp_t (x_t)

 

这个框架的价值在于：

1）它把原本分散在不同子方向（Prompt 优化、记忆系统、Skills、数据合成……）的研究纳入统一的研究框架下。相关的其他范式可作为该研究框架中的特殊形式。

2）对整个系统进行统一建模，而不只是改进固定的组件，有利于识别系统中动态变化的瓶颈，实现可持续的改进，并更加全面地审视改进带来的效果。

3）对整个系统进行统一建模时，不仅建模各个组件本身，还建模各组件间的依赖关系；这有利于评估改进一个组件对其他组件的影响，也有利于研究各组件间的协同改进。

 

---

自改进能力分级

论文提出了衡量自改进能力的分级标准（五级 L1–L5）

文中按以下标准对相关的工作进行了分级：

• L1: 人工改进 Manual Improvement
• L2: 辅助改进 Assisted Improvement
• L3: 固定机制的自改进 Programmatic Self-Improvement
• L4: 受限领域的递归自改进  Bounded Recursive Self-Improvement
• L5: 通用递归自改进 General Recursive Self-Improvement

 

 

 

---

文献分类体系

基于这个框架，论文对相关工作进行了系统的梳理，按改进的对象来划分现有工作：

• Agent Harness自改进（第 3 节）
• Agent数据系统自改进（第 4 节）
• Agent Trainer自改进（第 5 节）
• 跨组件协同改进（第 6 节）

 

相关工作的分类体系（Taxonomy）总结如下图所示：

 

 

---

 

Agent Harness 自改进

 

Agent 数据系统自改进

 

 

Agent Trainer 自改进

 

---

开放研究问题

1）在贴近真实生产的任务上对改进效果进行长周期的评测

2）对Agent友好的可观测、可扩展、可修改的训练和推理基础设施

3）从受限递归自改进到通用递归自改进

4）递归自我修改下的安全与可控

5）人类专家与智能体协同改进

（第 7 节）

 

 

---

 

如果本文对您有所帮助，欢迎引用：

@article{202608.0051,doi = {10.20944/preprints202608.0051.v1},url = {https://doi.org/10.20944/preprints202608.0051.v1},year = 2026,month = {August},publisher = {Preprints},author = {Shuaiqi Liu and Zhengkai Lin and Yuxiang Zhang and Yuanyi Ren and Yue Wu and Yongbin Li and Zheng Wang and Zhihang Fu and Jieping Ye},title = {The Path to Recursive Self-Improving Agents: Foundation, Framework, and Future Directions},journal = {Preprints}
}

欢迎交流探讨

 

论文下载: https://www.preprints.org/frontend/manuscript/3c41418aa2e782b90ee5da995565ecac/download_pub

论文 GitHub 项目：https://github.com/D2I-ai/awesome-recursive-self-improving-agents/blob/main/README.zh-CN.md

项目主页：递归自改进智能体之路