Les auteurs présentent l'Autonomous Policy Evolution, un cadre d'évaluation contrôlé où un agent modifie de manière itérative un système de politique exécutable dans le budget d'interaction fixe afin d'améliorer progressivement les politiques explorées.
- EvoPolicyGym est un benchmark construit à partir d'environnements RL interactifs compacts conçus pour évaluer ce processus d'amélioration itérative.
- GPT-5.5 obtient le meilleur score de rang agrégé et les deux premières performances sur l'ensemble des 16 environnements du suite.
- Le benchmark fournit des diagnostics au niveau des trajectoires qui distinguent comment les agents allouent le budget et convertissent les retours en réglage paramétrique.
Les auteurs soutiennent qu'une forte évolution autonome des politiques dépend de la découverte de mécanismes adaptés à la tâche et du raffinement des politiques sous une rétroaction bornée plutôt que de simples victoires isolées sur des tâches.