微软等提出Self-HPO交替优化编码Agent框架

Zhezei Wei 等微软作者团队发布论文，提出编码Agent自改进框架Self-HPO：让Qwen3.5-35B-A3B在自我分析失败、提出新执行框架（harness）与通过强化学习更新策略（policy）之间交替迭代，用不断进化的策略模型自己充当框架提议者。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%，并优于只优化框架或只优化策略的基线。 论文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；以上均为摘要报告的结果，尚未经独立验证。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。