arXiv · cs.AI· Zhepei Wei, Wenlin Yao, Baolin Peng, Danqing Wang, Qianhui Wu, Hao Cheng, Yu Meng, Jianfeng Gao·· 5 小时前
Self-HPO通过框架与策略递归优化提升编码智能体表现
Self-Evolving Coding Agents via Harness-Policy Optimization
arXiv:2610.22791v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Zhepei Wei, Wenlin Yao, Baolin Peng, Danqing Wang, Qianhui Wu, Hao Cheng, Yu Meng, Jianfeng Gao
研究任务与主要进展
研究提出Self-HPO，让Qwen3.5-35B-A3B在自我分析失败、提出新执行框架与通过强化学习更新策略之间交替迭代。在三个编码基准上，该方法将平均解决率从57.8%提升至64.8%，并优于仅优化框架或仅优化策略的基线；摘要还报告了分布外泛化、Pass@1与Pass@k改善，以及使用Opus 4.8作为框架提议模型可进一步提升表现。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org