# Gli agenti che si auto-migliorano possono fallire se cambiano le competenze

> I ricercatori presentano CODA, un test che mostra come gli agenti IA co-evoluti perdano gran parte dei progressi quando, dopo il rilascio, cambia la loro libreria di competenze.

Oossa · 2026-10-16 · https://oossa.com/it/paper-warns-self-improving-agents-may-fail-when-skill-sets-change

Un team guidato da Jinluan Yang ha pubblicato un nuovo articolo su arXiv il 16 ottobre 2026. Lo studio mostra che gli agenti addestrati a migliorare sia la propria policy sia una libreria di competenze diventano fragili se la libreria cambia in seguito. Gli autori propongono una nuova valutazione, chiamata CO-evolution Drift Audit (CODA), che simula la deriva delle competenze e misura coerenza e resilienza. Su quattro metodi e cinque benchmark, CODA rileva che, nel caso peggiore, il tasso di successo cala di 5-13 punti, annullando gran parte del vantaggio degli agenti rispetto a una baseline senza competenze.

## I fatti

- Articolo pubblicato il 16 ottobre 2026
- Nel caso peggiore, il tasso di successo è inferiore di 5-13 punti rispetto al picco, cancellando il 52-93% dei progressi

## Perché conta

Chi distribuisce questi sistemi dovrà verificare la robustezza degli agenti IA ai cambiamenti delle competenze, non limitarsi a misurarne le prestazioni massime.

## Fonti e riferimenti

1. [Evolving Together, Failing Apart: The Skill-Policy Co-evolution Trap in Self-Improving Agents](https://arxiv.org/abs/2610.20845) – arXiv, 2026-10-16

Ultimo aggiornamento: 2026-10-16