Kendini Geliştiren Ajan Sistemleri İçin Birleşik Bir Çerçeve

Bu çalışma, ajan sistemlerindeki 'kendini geliştirme' kavramını modelin ağırlıklarını yeniden yazmasıyla sınırlı tutan yaygın anlayışa karşı çıkıyor. Gerçek dünyada dağıtılan ajanlar; prompt'lar, araçlar, iş akışları, hafıza, yeniden kullanılabilir Skill'ler ve alt-ajanlardan oluşan bileşik sistemlerdir. Yazarlar, kendini geliştirmeyi 'gelecekteki davranış üzerindeki etkisi değerlendirilebilen, kanıta dayalı ve kalıcı bir durum geçişi' olarak tanımlıyor ve modeli sabit tutup model-dışı durumu (H_t) değiştiren sistemleri odak noktası yapıyor.

Çerçeve, sistemi işlevsel bileşenlere ayırıyor: aktif ajan (model + prompt/araç/Skill/runtime), güncelleyici (optimizer, kodlama ajanı, MetaAgent), soy kaydı/arşiv, doğrulama-onaylama mekanizması ve yönetişim sınırı (izin, sandbox, denetim, geri alma). Bu ayrım, hangi durumun değiştiğini ve kim tarafından değiştirildiğini birbirinden bağımsız eksenler olarak ele almayı mümkün kılıyor; örneğin dış bir optimizer tüm kod tabanını tararken, kendine referans veren bir güncelleyici yalnızca tek bir prompt'u değiştirebilir.

Mühendisler için önemi, prompt evrimi, iş akışı optimizasyonu, Skill geliştirme, Harness (iskelet) adaptasyonu ve tam kendine-referanslı ajan evrimi gibi farklı yaklaşımları aynı kavramsal dilde karşılaştırmayı sağlaması. Ayrıca adayın hem davranışını hem de kendi değerlendirme ölçütünü değiştirebildiği durumlarda, yüksek skorun gerçek bir iyileşmeyi kanıtlamadığı gibi kritik bir uyarıyı da öne çıkarıyor.