أُجريت دراسات حديثة لتنفيذ مفهوم التحسين الذاتي من خلال وكالات برمجية تقوم بتعديل قواعد كودها الخاصة. حيث تُنشئ هذه الوكالات شجرة من التعديلات الذاتية من خلال استراتيجيات توسيع تُفضّل الأداء الأعلى في معايير هندسة البرمجيات، بافتراض أن هذا الأداء يشير إلى تحسينات ذاتية لاحقة أكثر واعدًا. ومع ذلك، نُحدِّد تناقضًا بين القدرة الحقيقية للوكلاء على التحسين الذاتي (الإنتاجية الميتا) وأداؤها في اختبارات البرمجة، وهو ما نسميه "تناقض الإنتاجية الميتا والأداء". مستوحاة من مفهوم "السلالة" (Clade) الذي طرحه هكسلي، نقترح مقياسًا () يجمّع أداء النسل الناتج عن وكيل معين كمؤشر على إمكاناته في التحسين الذاتي. ونُظهر أن، في بيئة تطوير وكالات برمجية تتحسن ذاتيًا، فإن الوصول إلى القيمة الحقيقية لـ () يكفي لمحاكاة سلوك آلة غودل (Gödel Machine) تحت افتراضات معينة. ونُقدّم آلة هكسلي-غودل (Huxley-Gödel Machine، HGM)، التي، من خلال تقدير قيمة () واستخدامها كدليل توجيهي، تبحث في شجرة التعديلات الذاتية. وقد أظهرت HGM تفوقًا على الطرق السابقة لتطوير الوكالات البرمجية المُتحسّنة ذاتيًا، مع استخدام عدد أقل من ساعات المعالجة المخصصة (CPU hours)، على مجموعتي بيانات SWE-bench Verified وPolyglot. وأخيرًا، تُظهر HGM قدرة قوية على الانتقال (Transfer) إلى مجموعات بيانات برمجية أخرى ونماذج لغوية كبيرة. إذ حقق الوكيل المُحسّن بواسطة HGM على SWE-bench Verified باستخدام GPT-5-mini، وأُقيّم على SWE-bench Lite باستخدام GPT-5، أداءً يُعادل الأداء البشري، مطابقًا أفضل النتائج المُختَرَّة رسميًا للوكالات البرمجية المُصمَّمة يدويًا من قبل البشر.