Hugging Face Daily Papers·· 4 天前精选AI 评分58
Self-HPO：通过 harness 与策略交替优化实现自我进化的编码智能体
Self-Evolving Coding Agents via Harness-Policy Optimization
AI 导读
论文提出 Self-HPO，一个交替进行 harness 优化与策略优化的递归自我改进框架，让当前策略分析自身失败并提出新的 harness 候选，再在选定 harness 下用强化学习更新策略。
推荐理由
论文提出交替优化 harness 与策略的递归框架，并给出编码基准上的具体提升幅度，可供关注编码智能体训练的人参考。
来源：Hugging Face Daily Papers · huggingface.co