阿里巴巴达摩院提出了“自主策略演化”评估新范式EvoPolicyGym，关注在固定预算内Agent如何迭代改进策略。该方法通过轨迹级诊断框架分析预算分配、反馈转化和策略精炼能力，揭示不同模型的演化模式。实验结果显示GPT-5.5表现优异，强调了Agent从反馈中学习的重要性。

阿里巴巴达摩院的论文《EvoPolicyGym》首次将自主策略演化形式化为独立评估设定，提出在固定交互预算内评估Agent的策略改进能力。研究表明，强自主策略演化依赖于任务适配机制的发现和策略的精炼。EvoPolicyGym框架提供轨迹级诊断，分析预算分配、反馈转化和策略精炼能力，强调自我进化能力在复杂任务中的重要性。