研究人员推出了一种新颖的框架 Self-HPO，旨在通过交替优化代理的策略及其交互 Harness 来递归地改进编码代理。该方法允许代理通过强化学习识别并针对其自身不断变化的故障模式。在三个编码基准上的实验表明，Self-HPO 显著提升了性能，将 Qwen3.5-35B-A3B 的解决率从 57.8% 提高到 64.8%，并且在分布外设置中也显示出泛化收益。当两个组件都得到优化时，该框架的有效性进一步凸显，它能够实现复合收益，并且即使使用更强的外部模型作为 Harness 提议者也能受益。 AI
影响 该框架通过实现自我改进，可能导致更强大、更可靠的编码代理，从而加速软件开发。
排序理由 该集群描述了一个新的研究框架及其在编码基准上的性能，详细介绍在一篇论文和发布的代码/模型中。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
