微软提出 OEO 框架，让前沿模型自主进化技能

TheTuringPost · x · 2026-08-13

微软研究院近期发表论文提出开放式优化（Open-Ended Optimization, OEO）。该框架挑战了传统的预设优化流程，允许前沿大模型（如 GPT-5.5）作为优化器，自主在线决定如何收集证据、重写持久化技能并选择候选方案。

实验表明，在 8 个基准测试的 14 次直接对比中，GPT-5.5 驱动的 OEO 取得了 12 胜 1 平 1 负的压倒性优势，且仅使用了传统流程约 34.3% 的 token 预算。然而研究也指出，这种“委托式”优化存在能力边界：当使用中等能力的模型作为优化器时，预设流程反而表现更好。这表明预设工作流可作为弥补模型能力不足的脚手架。