Os autores introduzem a Evolução Autônoma de Políticas, um cenário de avaliação controlado onde um agente edita repetidamente um sistema de política executável dentro de um orçamento de interação fixo para melhorar iterativamente as políticas exploradas.
- EvoPolicyGym é um benchmark construído a partir de ambientes RL interativos compactos projetados para avaliar esse processo de melhoria iterativa.
- GPT-5.5 alcança a melhor pontuação agregada e desempenho no top dois em todos os 16 ambientes do conjunto.
- O benchmark fornece diagnósticos em nível de trajetória que distinguem como os agentes alocam o orçamento e convertem feedback em ajuste paramétrico.
Os autores argumentam que uma forte evolução autônoma de políticas depende de descobrir mecanismos apropriados para a tarefa e refinar as políticas sob feedback limitado, em vez de apenas vitórias isoladas em tarefas.