综述提出智能体自我改进统一框架，区分模型更新与系统更新
这篇综述为 AI 自我进化建立统一坐标系，厘清概念并区分两条技术路线，是理解该领域的重要地图。
智能体（能自主决策的 AI 系统）的“自我改进”被重新定义：只有持久修改模型参数或外围脚手架（提示词、记忆、工具等），并让下次任务从新起点出发，才算真正自我进化。综述将模型训练与系统改写纳入同一框架。
正文摘录
- title: LSTM 之父最新 97 页综述：Agent 如何真正学会「自我进化」？ - sourcecompany: 新智元 - bodymarkdown:  新智元报道  过去两年，self-reflection、self-correction、self-play、agentic RL、skill learning、test-time adaptation、open-ended evolution、self-evolving agent 等概念不断涌现。 它们有时指模型继续训练，有时指 Prompt 或工具自动优化，也有时被直接归入递归式自我改进（Recursive Self-Improvement，RSI）。 问题在于，这些术语描述的变化层级和强度并不相同，却长期缺少一套统一坐标系。 近日，来自吉林大学、KAUST、阿尔伯塔大学和瑞士人工智能实验室等机构的研究团队发布综述，从系统层面重新定义「自我改进」，并将模型训练、记忆演化、工具创建和 Agent 架构搜索放进同一张地图。配套项目目前已整理 312 篇相关工作。