# Studie varnar: självlärande agenter kan fallera när färdigheter ändras

> Forskarna presenterar CODA, ett test som visar att AI-agenter som utvecklas tillsammans med sitt färdighetsbibliotek förlorar merparten av sina framsteg när biblioteket förändras efter driftsättning.

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

En grupp ledd av Jinluan Yang publicerade en ny artikel på arXiv den 16 oktober 2026. Den visar att agenter som tränats för att förbättra både sin policy och en färdighetsbank blir sköra om färdighetsbanken ändras senare. Författarna föreslår en ny utvärderingsmetod, CO‑evolution Drift Audit (CODA), som simulerar förändringar i färdighetsbanken och mäter konsekvens och motståndskraft. I fyra metoder och fem benchmarktester visar CODA att framgångsgraden i värsta fall sjunker med 5–13 procentenheter, vilket raderar merparten av agenternas försprång jämfört med en baslinje utan färdigheter.

## Fakta

- Artikeln publicerades 16 oktober 2026
- Framgångsgraden i värsta fall är 5–13 procentenheter lägre än toppnivån, vilket raderar 52–93 % av förbättringen

## Varför det spelar roll

De som driftsätter AI-agenter behöver testa deras motståndskraft mot förändringar i färdighetsbanken, inte bara deras topprestanda.

## Källor och referenser

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

Senast uppdaterad: 2026-10-16