近年来，大语言模型（LLM）已展现出卓越的通用能力，但其核心仍是静态的。面对日新月异的任务、知识领域和交互环境，模型无法实时调整其内部参数，这 一根本性瓶颈日益凸显。 当我们将视野从提升静态模型的规模，转向构建能够实时学习和适应的动态智能体时，一个全新的范式—— 自进化智能体（Self-evolving Agents） ——正引领着 人工智能领域的变革。 核心框架：四大维度定义智能体演化 然而，尽管学术界与工业界对自进化智能体的兴趣与日俱增，但整个领域仍缺乏一个系统性的梳理与顶层设计。多数研究将「演化」作为智能体整体框架的一个 子集，未能深入回答该领域三个最根本的问题：智能体的哪些部分应该演化（What）？演化何时发生（When）？以及，演化如何实现（How）？ 为应对上述挑战，普林斯顿大学联合多所顶尖机构的研究者们联合发布了首个全面且系统的自进化智能体综述。该综述旨在为这一新兴领域建立一个统一的理论 框架和清晰的路线图，最终为实现通用人工智能（AGI）乃至人工超级智能（ASI）铺平道路。 自进化智能体的形式化定义 为确保研究的严谨性，该综述首先为「自进化智能体」提供了一套形式化的定义，为整个领域的研究和讨论 ...