Autogenesis: Giao Thức Mới Cho Agent Tự Tiến Hóa

Thời điểm này, gần như ai làm agent cũng nói về chuyện memory, skills, MCP, tool use, subagents, planning, long-running tasks. Nhưng có một vấn đề khá khó chịu là: phần lớn hệ thống agent hiện tại vẫn giống những cục đồ chơi được ghép từ nhiều mảnh khác nhau.

Prompt ở một chỗ. Tool ở một chỗ. Memory ở một chỗ. Logic tự sửa lỗi lại ở một chỗ khác. Mọi thứ hoạt động được — cho tới khi agent bắt đầu tự chỉnh chính nó. Lúc đó, thứ từng trông ổn bỗng biến thành một mớ glue code mong manh, khó version, khó rollback và rất dễ tự bắn vào chân.

Paper Autogenesis nhắm đúng vào chỗ đau đó.

1. Paper này đang giải bài toán gì?

Tác giả bắt đầu từ một nhận xét khá đúng: hiện nay nhiều agent framework vẫn được xây theo kiểu nguyên khối. Prompt, tools, memory và logic điều phối bị gắn cứng vào code hoặc buộc vào những interface tạm bợ.

Các protocol nổi tiếng như MCP hay A2A giải rất tốt bài toán kết nối — model gọi tool thế nào, agent nói chuyện với agent thế nào. Nhưng paper chỉ ra một lỗ hổng quan trọng: self-evolution không phải bài toán kết nối, mà là bài toán đột biến trạng thái có kiểm soát.

Nói đơn giản:

• MCP/A2A giúp agent giao tiếp và gọi công cụ.
• Nhưng chúng không sinh ra để quản lý lifecycle, version lineage, rollback và safe update cho chính các thành phần bên trong agent.

Thế nên khi agent muốn tự sửa prompt, tự chỉnh tool, tự thay policy hoặc tự tái cấu trúc memory, mọi thứ rất dễ trở nên mong manh.

2. Ý tưởng cốt lõi của Autogenesis là gì?

Ý tưởng trung tâm của paper được gói trong một câu khá đẹp: tách biệt “cái gì tiến hóa” khỏi “tiến hóa như thế nào”.

Tức là thay vì coi agent là một blob code có rất nhiều thứ dính chặt vào nhau, paper đề xuất một giao thức tên là Autogenesis Protocol (AGP), nơi mọi thành phần quan trọng được đưa về dạng resource có đăng ký chính thức, có trạng thái, có version, có lifecycle và chỉ được thay đổi qua interface chuẩn.

3. Kiến trúc của Autogenesis gồm những gì?

Paper xây AGP thành hai lớp.

Lớp 1: RSPL — Resource Substrate Protocol Layer

Lớp này định nghĩa cái nền có thể tiến hóa. Theo paper, có 5 loại thực thể cốt lõi:

• Prompt
• Agent
• Tool
• Environment
• Memory

Mỗi thứ được xem là một resource có:

• state rõ ràng,
• vòng đời rõ ràng,
• phiên bản rõ ràng,
• và interface truy cập / cập nhật có kiểm soát.

Điểm quan trọng là các resource này thụ động. Chúng không tự sửa mình. Mọi thay đổi đều phải đi qua giao thức và context manager.

Lớp 2: SEPL — Self-Evolution Protocol Layer

Nếu RSPL trả lời “cái gì có thể tiến hóa”, thì SEPL trả lời “tiến hóa theo vòng lặp nào”.

Paper mô tả một operator algebra gồm 5 bước:

• Reflect — nhìn lại execution traces để đoán lỗi nằm ở đâu,
• Select — chọn proposal sửa đổi phù hợp,
• Improve — áp đột biến trạng thái lên resource,
• Evaluate — chấm hiệu quả và kiểm tra điều kiện an toàn,
• Commit — chỉ chấp nhận thay đổi nếu đạt yêu cầu, nếu không rollback.

Chính điểm này làm paper nghe bớt mùi “agent tự mò random” và giống một hệ tối ưu hóa có kỷ luật hơn.

4. Tại sao cách nhìn này đáng chú ý?

Vì nó đổi câu hỏi.

Thay vì hỏi:

• “Làm sao để agent có prompt tốt hơn?”
• “Làm sao để agent tự thử tool khác?”

Autogenesis hỏi một câu ở tầng cao hơn:

“Làm sao để mọi thành phần của agent trở thành đối tượng có thể được quan sát, version, đánh giá, sửa đổi và rollback một cách chuẩn hóa?”

Đây là khác biệt rất lớn giữa việc làm vài trick optimization và việc xây một nền móng cho agent tự sửa mình thật sự.

5. Paper có gì mới so với hướng cũ?

Có ít nhất 3 điểm mới đáng nói.

Từ connectivity sang mutation management

Paper nói khá thẳng rằng các protocol như MCP hay A2A giải quyết tốt việc invocation, chứ không giải quyết việc state mutation. Autogenesis muốn lấp đúng khoảng trống đó.

Variable lifting

Một ý hay là paper gom những thứ rất khác nhau như tool code, system prompt, memory state… vào cùng một không gian “biến có thể tiến hóa”. Nhờ vậy cùng một loop tối ưu có thể áp lên nhiều loại resource khác nhau.

Safety by construction

Version tracking, lineage, rollback và commit gating khiến chuyện “agent tự sửa” bớt nguy hiểm hơn. Ít nhất trên lý thuyết, mọi bước tiến hóa đều có dấu vết và có thể hoàn tác.

6. Kết quả thực nghiệm có đáng nể không?

Khá đáng chú ý đấy.

Theo phần benchmark được tóm tắt từ paper:

• trên GPQA / AIME, các model yếu hơn được lợi rất mạnh khi dùng loop tiến hóa,
• trên GAIA, AGS đạt mức 89.04%, vượt nhiều baseline mạnh và đặc biệt cải thiện mạnh ở task khó,
• trên LeetCode, agent tiến hóa cải thiện pass rate trên nhiều ngôn ngữ và còn tối ưu được runtime ở khá nhiều trường hợp.

Điểm hay là paper không chỉ khoe accuracy cuối. Nó còn cố chứng minh rằng việc tiến hóa resource — nhất là tool và solution — giúp hệ thống xử lý tốt hơn các task dài hơi, tool-heavy và dễ phát sinh lỗi giữa chừng.

Có một pattern khá logic: model yếu hơn được lợi nhiều hơn. Khi baseline đã gần trần, chỗ để tiến hóa thêm nhỏ đi. Còn khi model vẫn mắc nhiều lỗi sửa được, loop phản tư và cải thiện có đất dụng võ hơn hẳn.

7. Nhưng paper này có gì cần dè chừng?

Nghe rất ngon, nhưng cũng đừng thần thánh hóa.

Một vài hạn chế hiện ra khá rõ:

• khi benchmark đã gần bão hòa, lợi ích của tiến hóa giảm mạnh,
• một số tối ưu có thể đổi accuracy hoặc speed lấy memory usage,
• và quan trọng nhất: protocol nghe rất đẹp trên paper không tự động biến thành hệ production ổn định ngoài đời.

Nói cách khác, paper này cực mạnh ở phần đặt lại framework suy nghĩ. Còn để thành chuẩn công nghiệp thật sự, nó vẫn phải vượt qua bài test tàn nhẫn nhất: hệ thống thật, người dùng thật, lỗi thật, update thật.

8. Vì sao paper này đáng quan tâm trong bức tranh AI hiện tại?

Vì nó chạm vào một chuyển dịch lớn: từ prompt engineering sang protocol engineering.

Trong vài năm qua, thế giới agent đã sống khá nhiều bằng cách chồng prompt, ghép tool, nối memory và bổ sung vài lớp orchestration. Cách này chạy được — nhưng ngày càng lộ ra giới hạn khi agent phải sống lâu, làm việc phức tạp và tự sửa mình.

Autogenesis nói rằng nếu muốn đi xa hơn, ta cần một tầng chuẩn hóa mới. Không chỉ chuẩn cách gọi tool, mà chuẩn luôn cách resource được khai báo, version, thay đổi, đánh giá và phục hồi.

Nếu ý tưởng này bén, tác động của nó có thể lớn hơn một paper benchmark thông thường. Nó có thể ảnh hưởng đến cách người ta thiết kế agent framework, multi-agent systems và self-improving agents trong vài năm tới.

Source: arXiv PDF