2024 और 2026 के बीच प्रकाशित 1,250 arXiv पेपर्स का एक सर्वेक्षण उन AI सिस्टमों का विश्लेषण करता है जो self-refine, self-reward और self-play जैसे तंत्रों के माध्यम से अपने स्वयं के सुधार में भाग लेते हैं। लेखकों ने एक वर्गीकरण प्रस्तावित किया है जो सीमित स्व-सुधार (bounded self-refinement) को खुले-अंतर्निहित पुनरावृत्ति स्व-उन्नयन (RSI) से अलग करता है, जो संसाधन आवश्यकताओं और कंप्यूटिंग बाधाओं द्वारा सीमित है।
- वर्गीकरण सुधारों को उस आधार पर वर्गीकृत करता है कि क्या सुधारा गया है (व्यवहार, नीति, मूल्यांकक या शोध प्रक्रिया) और लूप बंद करने की डिग्री।
- स्व-मूल्यांकन (self-evaluation) को एक विशिष्ट विशेषता के रूप में पहचाना गया है, जहाँ हर सुधार लूप दावा करता है कि एक संकेत मानवीय निर्णय का विकल्प दे सकता है।
- सत्यापन पदानुक्रम संकेतों को औपचारिक सत्यापकों से आंतरिक स्व-मूल्यांकन तक क्रमबद्ध करता है, जिसमें दिखाए गए सुधार की शक्ति इस क्रम का अनुसरण करती है।
- मॉडल पतन और विविधता पतन जैसे विफलता मोड इस पदानुक्रम के उल्लंघन से जुड़े हैं।
- शोध दिशा निर्धारण की बाधा मानव को पदानुक्रम के शीर्ष पर लूप में रखती है।
यह कार्य तकनीकी साहित्य को RSI सीमाओं और सुरक्षा शासन से जोड़ता है, स्व-उन्नयन के लिए शासन-स्तरीय मापन (governance-grade measurement) को एक महत्वपूर्ण कम भरे हुए क्षेत्र के रूप में पहचानता है।