传统AI智能体的能力受限于人类监督，而自我进化智能体通过与环境交互、自我对弈等方式持续成长，是通往真正自主AI的关键。这篇系统综述梳理了其核心框架，揭示了打破能力天花板的技术路径。
智能速览
自我进化旨在打破人类监督的瓶颈，让AI能自主变强。
技术体系被划分为模型中心、环境中心与共同进化三个层次。
模型中心进化依赖内部算力或自我博弈生成数据。
环境中心进化通过检索知识和总结经验实现能力积累。
共同进化被认为是实现开放式能力增长的核心方向。
当前最大挑战是环境过于静态，易导致智能体过拟合。
精华内容
深入探索自我进化的内在机制，其技术路径清晰地划分为三大层次，共同指向了通往高级自主AI的未来蓝图。
模型中心进化
模型中心进化依赖智能体自身的计算能力，主要分为两条路径。一是推理时进化，通过在测试阶段加大计算量来提升表现，典型的例子是思维树，让模型深入思考多种可能性。二是训练时进化，通过自我博弈生成海量高质量数据，再用这些数据微调模型，从而在对抗中不断提升策略水平。
环境中心进化
环境中心进化强调智能体与外部世界的交互学习。这包括从静态环境中主动检索知识，弥补自身知识盲区；更重要的是从动态环境中总结经验，例如将一次成功的编程或操作流程，提炼成可复用的“技能模块”并存储起来，实现能力的持续积累。
共同进化未来
共同进化被视为实现开放式进化的终极路径。在这个模式中，环境不再是固定不变的，而是会随着智能体能力的提升而动态调整难度。例如，当智能体解决了基础编程题后，环境会自动生成更复杂的难题，形成“智能体越强，挑战越大”的良性循环，驱动能力无上限增长。
自我进化智能体为突破AI能力边界提供了理论框架和实践方向，其核心在于构建能与智能体共同成长的环境。未来，如何打造真实开放的模拟器，将是解锁AI无限潜能的关键，这不禁让人期待一个能与人类协同进化的智能时代何时到来。
