Generalized Agent Iteration: One Formal Framework for Iterative Policy Improvement and Recursive Self-Improvement
广义智能体迭代：统一迭代策略改进与递归自改进的形式框架
🧭 Agent 迭代学习的形式化框架
Tianjin University · Shanxi University
提出 GAI 框架，用两个维度统一经典 GPI 与递归自改进，并给出目标漂移与自指缺陷的形式化刻画
📌 工作参考价值（4 点）
- 在电商/推荐的 LLM Agent 自改进链路（如 self-refine、Reflexion）中，可用论文的两个旋钮做架构审查：改进机制是否在 Agent 内、评估标准是否外部接地；优先采用 anchored 配置，把奖励模型或业务指标作为独立外部评估器，避免同模型自评导致 goal drift。
- 多轮自训练或 self-play 策略迭代时，若候选生成与评估标签都由同一模型产生，系统会滑向 fully self-referential；工程上应引入独立线上业务指标、人工标注或固定测试集作为外部锚点，并设置漂移监控。
- 可将改进机制显式外置为独立组件（如单独 prompt、规则或小模型），使系统具备 GPI 式可分析性；等外部评估稳定后再逐步将改进机制内化为 Agent 的一部分，降低不可控递归风险。
- 论文偏理论，无实验或可复用算法；主要价值是提供诊断自改进系统缺陷的坐标语言，适合作为设计评审的思维框架。