Los autores presentan la Evolución Autónoma de Políticas, un entorno de evaluación controlado donde un agente edita repetidamente un sistema de política ejecutable dentro de un presupuesto de interacción fijo para mejorar iterativamente las políticas exploradas.
- EvoPolicyGym es un benchmark construido a partir de entornos RL interactivos compactos diseñados para evaluar este proceso de mejora iterativa.
- GPT-5.5 logra la mejor puntuación agregada y el rendimiento en el top dos en los 16 entornos del conjunto.
- El benchmark proporciona diagnósticos a nivel de trayectoria que distinguen cómo los agentes asignan el presupuesto y convierten la retroalimentación en ajuste paramétrico.
Los autores argumentan que una fuerte evolución autónoma de políticas depende de descubrir mecanismos apropiados para la tarea y refinar las políticas bajo retroalimentación acotada, en lugar de solo victorias aisladas en tareas.