微软 Self-HPO 让编码智能体自我改写运行环境

微软研究院发布 Self-HPO（自我演化的编码智能体框架），通过强化学习交替优化 harness（脚手架/编排层，即控制智能体如何使用工具的提示词与运行时代码）与 policy（策略层）。智能体会研究自己失败的尝试，对 harness 提出修改，在持续演化的环境中递归优化自身，成功率高涨 7 个百分点。

2026-10-20 ~ 2026-10-21 · 2 条相关