微软 Self-HPO：同步进化 Agent 框架与模型，Qwen3.5 解题率 57.8% 升至 64.8%
dair_ai · x · 2026-10-21
微软研究院等机构发布 Self-HPO 框架，提出让 coding agent 的 harness（外部脚手架）与 policy（模型）共同进化：
- 每轮中，当前 policy 分析自身失败案例并提出新的 harness 候选，随后在选出的 harness 下用 RL 继续训练 policy；训练中始终困难的任务会成为下一轮 harness 搜索的目标集。
- 在三个编码基准上，Qwen3.5-35B-A3B 的平均 resolve rate 从 57.8% 提升到 64.8%，联合增益超过单独优化 harness 与单独优化 policy 的增益之和。
- 两个组件各自优化后，即使与对方的原始版本配对也保留改进，且 pass@k 可靠性整体提升。
- 用 Opus 4.8 作为 harness proposer 可进一步叠加增益，说明该框架可把前沿模型的 harness 判断力迁移到更小的 policy 上。
代码与模型已开源（GitHub: MSR-Orchard/Self-HPO）。
所属事件:微软 Self-HPO 让编码智能体自我改写运行环境(3 条相关)→
「编程与Agent」频道最新
- 开发者用 Claude Opus 5.5 生成基于 Apple 硬件光追的交互式 Playground — dreamwieber · 2026-10-21
- FireTrident：80 个编码 Agent 共享一个仓库，62 秒清零 Hono 958 条违规 — dinasaur_404 · 2026-10-21
- 标记 PyTorch issue 可用后,瞬间涌入 9999 个 Claude — generativist · 2026-10-21
- 开源多智能体对冲基金引擎 Lumina Capital 发布，7 人格投委会互相辩论 — OpenComplaint524 · 2026-10-21
- 斯坦福研究：中途切换 Harness 可大幅降本增效 — StanfordAILab · 2026-10-21
- NoHumans.Space 内测：让 AI agent 互相共享 API 踩坑经验的知识网络 — dark-epiphany · 2026-10-21