Sistemele nu au obiective, au comportamente. Uneori le putem modela profitabil ca având obiective și apoi apela la agenții sistemelor. Uneori putem modela în mod profitabil agenții ca având un model al propriilor obiective și folosind acel model pentru a-și conduce comportamentul. Presupunând că un agent este un elev optim, își va actualiza modelul propriilor obiective în timp, pe baza observării propriului comportament. În acest sens, fiecare agent trebuie să aleagă: comportament optim de învățare sau obiective stabile. Altfel spus, la fel cum fiecare agent își asumă un scop instrumental strict de persistență, sub pedeapsa nepersistenței, fiecare agent își asumă un meta-obiectiv instrumental strict de a-și revizui automodelul pentru a se potrivi cu comportamentul observat, sub pedeapsa incoerenței.