微软 Self-HPO：编码 Agent 交替优化外围系统与模型自身

微软研究院提出 Self-HPO，在优化 Agent 的 harness（模型与环境交互的外围脚手架）和优化策略模型之间交替进行：当前模型分析自己的失败并提出 harness 候选，在选中的 harness 下用强化学习更新模型，遇到的难题再成为下一轮 harness 搜索集。论文称在 Qwen3.5-35B-A3B 上，三个 SWE-Bench 基准的平均解决率从 57.8% 提升到 64.8%。

要点

• 在 SWE-Bench Verified、Multilingual 和 Pro 三个基准上均优于只优化 harness 或只优化模型的基线
• 作者报告 Pass@1 可靠性和 Pass@k 能力上限都有提升，并能泛化到分布外场景
• 用更强的外部模型担任 harness 提议者可进一步提升
• 代码、模型和 RL 数据已在 GitHub 与 Hugging Face 公开

来源

### [微软 Self-HPO：编码 Agent 交替优化外围系统与模型自身]({{URL}})

微软研究院提出 Self-HPO，在优化 Agent 的 harness（模型与环境交互的外围脚手架）和优化策略模型之间交替进行：当前模型分析自己的失败并提出 harness 候选，在选中的 harness 下用强化学习更新模型，遇到的难题再成为下一轮 harness 搜索集。论文称在 Qwen3.5-35B-A3B 上，三个 SWE-Bench 基准的平均解决率从 57.8% 提升到 64.8%。

- 在 SWE-Bench Verified、Multilingual 和 Pro 三个基准上均优于只优化 harness 或只优化模型的基线
- 作者报告 Pass@1 可靠性和 Pass@k 能力上限都有提升，并能泛化到分布外场景
- 用更强的外部模型担任 harness 提议者可进一步提升
- 代码、模型和 RL 数据已在 GitHub 与 Hugging Face 公开

**为什么值得关注**：近期 harness 工程是热门方向，这篇工作说明 harness 与模型可以协同进化，而不是二选一；做编码 Agent 的团队可参考其「用失败样本驱动 harness 搜索」的思路。

来源：[Self-Evolving Coding Agents via Harness-Policy Optimization](https://huggingface.co/papers/2610.22791)；[MSR-Orchard/Self-HPO](https://github.com/MSR-Orchard/Self-HPO)