يشهد عالم الذكاء الاصطناعي (AI) تحولاً هائلاً بفضل تطور مفهوم "التطور الوكيني" (Agentic Evolution)، والذي يعد نموذجًا قويًا لتحسين البرامج والتدفقات العلمية من خلال عملية تكرارية منظمة. يتضمن هذا النموذج توليد مرشحين (candidates) وتقييمهم، ثم استخدام التعليقات (feedback) لتوجيه البحث المستقبلي.

رغم الجوانب الإيجابية، تظل الأساليب الحالية تتسم بالثبات والسماكة، حيث تعتمد إما على إجراءات مصممة يدويًا لكنها جامدة، أو على وكلاء عامين يمكنهم دمج التغذية الراجعة بشكل مرن ولكنهم يعانون من انحرافات في تطور المدى الطويل. وقد أدت هذه القيود إلى عدم وجود واجهة stable لتنظيم الأدلة المستخلصة، مما يعيق إمكانيات التطور المستقبلي.

ولكن مع تقديم تقنية جديدة تحت اسم "AEvo"، تم تصميم إطار عمل لتحرير داخل العمليات، حيث تُعتبر البيئة التفاعلية المجمعة بمثابة حالة على مستوى العمليات. في هذا الإطار، لا يقوم الوكيل (meta-agent) بمقترحات مباشرة للمرشح التالي، بل يحرر الإجراءات أو سياق الوكيل الذي يتحكم في تطور المستقبل.

تُظهر تقييمات تجريبية على معايير التطور والقدرة على التفكير أن AEvo تتجاوز خمسة نماذج أساسية، محققة تحسينًا نسبيًا قدره 26% مقارنة بأقوى نموذج أساسي. وعبر ثلاث مهام تحسين مفتوحة، أثبتت AEvo أيضاً تفوقها على أربعة نماذج تطورية أخرى وحصلت على أداء رائد في المجال ضمن نفس ميزانية التكرار.