作为动态图转换的自进化代理：调查和新视角

arXiv:2608.18104v1 公告类型：新 摘要：基于大语言模型（LLM）的智能体正日益成为自我进化的系统，能够在交互中持续存在、维护记忆、使用工具、获取技能、完善工作流程以及与其他智能体协调。这些功能使代理状态具有结构性和动态性：实体、关系、属性、依赖关系和执行结构随着新的证据、反馈和环境条件而变化。现有的图代理调查通常将图视为代理功能的支持结构，而不是进化的基质，而自进化代理调查则侧重于代理级别的机制，很少讨论图拓扑的演变。因此，不断发展的代理状态和动态图拓扑之间的耦合仍未得到充分探索。这项调查通过将 \textit{代理进化作为动态图转换} 连接这两个研究方向。我们将代理状态建模为动态图，其中记忆、工具、技能、工作流程和代理间关系表示为通过模式约束重写更新的类型化节点、边和子图。基于这个公式，我们将现有的基于动态图的自进化代理方法组织为四种分类法：节点/特征进化、边缘/拓扑进化、子图激活和跨组件协同进化。在此分类法的基础上，我们提出动态图学习作为自我进化代理的可重用基础设施，并将九个动态图学习子领域映射到代理进化功能，讨论它们的适应性和可能的​​故障模式。最后，我们从动态图的角度讨论了五种类型的图感知评估和治理协议，它们补充了最终任务评估。目标是提供一个紧凑的结构透镜来设计和管理自我进化代理。