대규모 언어 모델 (Large language models)은 저장소(repositories)를 조사하고, 도구(tools)를 호출하며, 테스트를 실행하고, 실패를 디버깅하며, 패치(patches)를 생성할 수 있는 코딩 에이전트로서 소프트웨어 엔지니어링 워크플로우에 점점 더 깊숙이 통합되고 있습니다. 그러나 소프트웨어 개발은 저장소가 진화하고, 의존성(dependencies)이 변경되며, 테스트가 실패하고, 복구 시도가 재사용 가능한 경험을 남기는 역동적이고 피드백이 풍부한 과정임에도 불구하고, 대부분의 기존 에이전트들은 배포 후에도 대체로 정적인 상태로 남아 있습니다. 이러한 긴장 관계는 자기 진화형 코딩 에이전트 (self-evolving coding agents)에 관한 점점 더 많은 연구를 촉발시켰으며, 여기서 에이전트는 이전의 코딩 상호작용으로부터 자신의 프레임워크, 메모리, 기술, 도구, 모델 또는 협업 구조를 업데이트함으로써 미래의 행동을 개선합니다. 본 서베이(survey)에서는 이 신흥 분야에 대한 체계적인 종합을 제공합니다. 우리는 먼저 자기 진화형 코딩 에이전트를 정의하고, 이를 기존의 코딩 에이전트 및 일반적인 자기 진화형 에이전트와 구분합니다. 그런 다음 이러한 시스템에서 무엇이 진화하는지를 특징짓는 객체 중심 분류 체계 (object-centered taxonomy)를 개발하고, 이를 두 가지 직교하는 관점, 즉 진화가 발생하는 시점과 진화를 유도하는 소프트웨어 특화 증거(software-specific evidence)로 보완합니다. 문헌 전반에 걸쳐, 우리는 실행 가능한 피드백 (executable feedback), 저장소 수준의 컨텍스트 (repository-level context), 그리고 코딩 궤적 (coding trajectories)이 소프트웨어 엔지니어링을 에이전트 자기 진화의 자연스러운 도메인으로서 독특한 역할을 부여하는 동시에, 피드백 신뢰성, 벤치마크 과적합 (benchmark overfitting), 안전성, 유지보수성, 비용 및 일반화 (generalization) 측면에서 새로운 과제를 도입한다는 것을 발견했습니다. 기존 연구를 이러한 차원들을 중심으로 정리함으로써, 본 서베이는 자기 진화형 코딩 에이전트의 개념적 경계를 명확히 하고, 더 적응적이고 신뢰할 수 있으며 소프트웨어를 인식하는 (software-aware) 에이전트 시스템을 설계하기 위한 토대를 제공하는 것을 목표로 합니다. 우리가 수집한 논문들은 https://github.com/zhouhao1024/Awesome-Self-Evolving-Coding-Agents 에서 확인할 수 있습니다.