arXiv 论文提出 CoHARL：强化学习协同进化智能体策略与可执行执行框架
原文标题：CoHARL: Co-Evolving Agent Policies and Executable Harnesses with Reinforcement Learning
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。
论文提出基于种群的强化学习框架 CoHARL，让共享策略与一组可执行执行框架（harness）协同进化，策略从多种框架的 rollout 中学习，提议器则依据执行轨迹修改框架代码。在 SWE-rebench 上平均解决率达 27.6%，较仅搜索框架提升 6.4 个百分点，并在 SWE-bench Verified 与 Terminal-Bench 2.0 上取得增益。
- 问题
- 固定策略优化执行框架、或固定框架训练策略，都忽略了二者在学习过程中相互影响。
- 方法
- 提出 CoHARL 基于种群的强化学习，让共享策略与一组可执行框架协同进化，提议器依据执行轨迹改写框架代码。
- 结果
- SWE-rebench 平均解决率 27.6%，较仅搜索框架提升 6.4 个百分点；SWE-bench Verified 与 Terminal-Bench 2.0 上亦有增益。
- 影响
- 智能体框架不必手工调优，可与策略一起训练，为自改进编码智能体提供可复用范式。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CoHARL 让策略与执行框架协同进化，SWE-rebench 解决率 27.6%，比只搜框架高 6.4 个百分点
- •基于种群的强化学习，共享策略从多个可执行 harness 的 rollout 中学习
- •提议器依据执行轨迹在训练中修改 harness 代码
- •SWE-rebench 平均解决率 27.6%，较仅搜索框架提升 6.4 个百分点
- •在 SWE-bench Verified 与 Terminal-Bench 2.0 上同样取得增益
- •同等训练预算下，优于先搜一次框架再 RL、以及交替更新单一 harness 的做法
为什么重要：把 harness 当作随策略共同演化的变量，而非一次性配置，为智能体工程化调优提供了新范式。
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。