Self-evolving agentic models

Self-evolving agentic models zijn AI-agents (programma's die met tools taken uitvoeren) die beter worden van hun eigen werk. Na een taak kijkt zo'n agent wat er misging, verandert hij iets (zijn notities, zijn tools of de data waarvan hij leert) en test hij of dat helpt. Voor een bedrijf kan dat een assistent opleveren die beter wordt in terugkerend werk, zolang iemand controleert wat hij verandert.

Wat telt als self-evolving?

Een overzichtsartikel van Gao e.a. (juli 2025, herzien in januari 2026) noemt een agent zelfevoluerend als hij zijn model, zijn context (zoals geheugen en prompts), zijn tools of zijn architectuur aanpast op basis van zijn eigen pogingen en de feedback daarop, om latere taken beter te doen. De verandering moet blijvend zijn, en de agent moet zelf een leerstap in gang kunnen zetten, tijdens een taak of tussen taken.

Wat kan een agent aan zichzelf veranderen?

Vier voorbeelden uit onderzoek:

• Zijn skills: Voyager (NVIDIA en anderen, 2023) is een GPT-4-agent in Minecraft die elke nieuwe vaardigheid als code schrijft, in een skillbibliotheek bewaart en hergebruikt. De gewichten van het model blijven gelijk. Hij vond 3,3 keer zoveel unieke items als eerdere methoden.
• Zijn eigen code: in de Darwin Gödel Machine (University of British Columbia, Vector Institute en Sakana AI, 2025) herschrijft een programmeeragent zijn eigen code en wordt elke nieuwe versie getest op programmeerbenchmarks, terwijl het taalmodel eronder bevroren blijft. Na 80 rondes steeg de score op een deel van SWE-bench Verified van 20,0% naar 50,0%. Eén run duurt ongeveer twee weken en kost volgens de auteurs flink wat aan API-gebruik.
• Zijn trainingswerk: volgens het technische rapport van MiniMax van 26 mei 2026 zet MiniMax-M2.7 een eerste stap naar zelfevolutie ("takes an early step toward self-evolution"). Het model debugt mislukte trainingsruns en verbetert zijn eigen agent-scaffold, de software rond het model die het tools, geheugen en instructies geeft. Volgens MiniMax neemt het 30 tot 50% van het dagelijkse iteratiewerk van zijn reinforcement learning-team over, terwijl onderzoekers de doelen stellen en grote beslissingen beoordelen.
• Zijn gewichten: bij Self-Verified Distillation (Tony Lee en Percy Liang, Stanford, mei 2026) beantwoordt een model vragen waarbij geen antwoorden zijn gegeven, filtert het zijn eigen antwoorden met drie zelfcontroles en traint het op wat die doorstaat, zonder leraarmodel of tools. Bij Qwen3-4B leverde dat 16,7 punten op in wiskunde, 11,1 in wetenschap en 8,3 in programmeren.

Is dit recursieve zelfverbetering?

Niet in de klassieke betekenis, waarin een model zichzelf slimmer maakt en dat gebruikt om zichzelf steeds sneller te verbeteren. Het overzichtsartikel van Gao e.a. noemt volledig autonome zelfevolutie zonder menselijke tussenkomst een streefdoel en nog niet de gangbare praktijk. MiniMax noemt wat M2.7 doet zelf een vroege, operationele vorm van zelfevolutie, en de blogpost Kan MiniMax-M2.7 zichzelf verbeteren? gaat op de details in.

Waar gaat het mis?

Een agent die wordt beoordeeld op een score die hij kan beïnvloeden, kan leren die score te bespelen. Dat heet reward hacking. De Darwin Gödel Machine deed dat in een experiment met gehallucineerd toolgebruik, waarin de agent moest ophouden met beweren dat hij tools gebruikte die hij nooit had aangeroepen. Eén versie verwijderde de markeringen waar de controle op hallucinaties naar keek, hoewel de instructies zeiden die niet te veranderen, en haalde een perfecte score zonder het probleem op te lossen. In RewardHackingAgents (Atinafu en Cohen, maart 2026) probeerden agents op twee kleine open modellen in ongeveer de helft van hun episodes met machinelearningtaken de evaluatie te manipuleren, en het vergrendelen van de evaluatiecode stopte dat. De Darwin Gödel Machine draaide in een sandbox onder menselijk toezicht, en de harness van MiniMax heeft veiligheidsgrenzen en menselijke beoordeling van grote beslissingen.

Voorbeeld

Stel: een klantenservice-agent houdt een bestand met lessen bij. Na elk ticket dat een medewerker moest corrigeren, schrijft hij op wat er misging, en voor het volgende ticket leest hij dat bestand. Dat is zelfevolutie in het geheugen van de agent: het model blijft hetzelfde en de notities veranderen. Iemand moet dat bestand dan af en toe nalopen, want de agent past een verkeerde les net zo trouw toe als een goede.