**自我进化编码智能体：通过策略优化实现代码生成能力突破**

_Self-Evolving Coding Agents via Harness-Policy Optimization_

> 针对现有编码智能体中策略模型与评估器（Harness）协同进化不足的痛点，研究提出了 Self-HPO 框架。该框架采用递归自我改进机制，让智能体在每一轮中先分析自身失败案例以生成新的评估器候选，随后在强化学习下更新策略。实验表明，Self-HPO 在三项代码基准测试中显著优于单一组件优化方案，将 Qwen3.5-35B-A3B 的平均解决率从 57.8% 提升至 64.8%，并有效提升了可靠性与泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：ai-models
- **发布时间**：2026-10-20 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.22791)