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。