微软 Self-HPO：编码智能体自己改写运行环境，成功率高涨 7 个百分点

mark_k · x · 2026-10-21

微软的新研究 Self-HPO 让编码智能体重新设计自己运行所在的软件环境：智能体研究自己失败的尝试，并对「harness」——即控制它如何使用工具的提示词与运行时代码——提出修改；最优修改被选出后，模型在改进后的环境中接受强化学习，剩余失败成为下一轮优化的焦点。

实验基于 Qwen3.5-35B-A3B，在 SWE-bench Verified、Multilingual 和 Pro 上平均成功率从 57.8% 提升到 64.8%。同时优化模型与 harness 优于单独优化任何一方，且 harness 修改由智能体自己提出，无需另配一个更强的模型来指导。