Self-HPO：编码智能体通过框架与策略协同自进化
原文标题：Self-Evolving Coding Agents via Harness-Policy Optimization
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 Self-HPO 递归自改进框架，交替优化编码智能体的 harness（交互框架）与策略模型，由当前策略分析自身失败并提出新 harness 候选，再在选定 harness 下用强化学习更新策略。在三个编码基准上均优于仅优化 harness 或仅优化策略的基线，将 Qwen3.5-35B-A3B 平均解决率从 57.8% 提升至 64.8%，并提升 Pass@1 与 Pass@k；以 Opus 4.8 作为 harness 提议者可进一步提升。
- 问题
- 编码智能体的交互框架与策略模型只优化其一，导致性能次优。
- 方法
- 递归自改进：当前策略分析自身失败并提出新harness候选，再在选定harness下用强化学习更新策略，交替进行。
- 结果
- Qwen3.5-35B-A3B平均解决率从57.8%升至64.8%，Pass@1与Pass@k均提升，且泛化到分布外场景。
- 影响
- 同时调harness和策略比单调任一项都更划算，为构建自进化编码智能体提供可直接套用的训练流程。
深读 · 结论先行AI 生成展开看要点与影响 ↓
Self-HPO交替优化harness与策略，Qwen3.5-35B-A3B平均解决率从57.8%升至64.8%
- •每轮由当前策略分析自身失败并提出新harness候选，再在选定harness下用RL更新策略
- •训练中识别的困难任务构成下一轮harness搜索集，保持优化对准演化中的失败模式
- •三个编码基准上均优于仅优化harness或仅优化策略的基线，增益可泛化到分布外场景
- •以Opus 4.8作为harness提议者可进一步提升
为什么重要：指出编码智能体的框架与策略需协同进化，单改其一的收益有限；为自改进智能体给出可复现的递归优化范式。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。