一句话看懂：Hugging Face 论文提出 Self-HPO，让编码智能体一边用强化学习更新策略模型，一边由模型自己提出新的运行框架（harness），在三个编码基准上把 Qwen3.5-35B-A3B 的平均解决率从 57.8% 提升到 64.8%。
事件核心：发生了什么
据 Hugging Face Papers 2026 年 10 月 16 日的论文摘要，研究团队提出 Self-HPO，即一种递归式自我改进框架。其核心观点是：LLM 编码智能体的表现同时取决于策略模型和负责与环境交互的 harness，只优化其中一项并不充分——为一个检查点调好的 harness 未必能针对新策略的失败模式，而固定 harness 也会限制策略学习可获得的轨迹。
Self-HPO 的做法是交替进行两步：H-step 中，当前策略分析自身失败案例并生成新的 harness 候选；P-step 中，在选中的 harness 下用强化学习更新策略。训练中识别出的困难任务会进入下一轮 harness 搜索集，使工具链优化紧贴策略当前的失败点。摘要称，在三个编码基准上该方法稳定优于只优化 harness 或只优化策略的基线，平均解决率提升 7 个百分点，并显示出向分布外场景泛化的趋势。需说明的是，以上结论仅来自摘要，全文实验尚未核验。
为什么重要
编码智能体的能力不只来自模型权重，也来自提示组织、工具调用、错误重试等 harness 设计。过去这两块常由不同团队分别调优，容易错位。Self-HPO 把“改工具链”和“改模型”放进同一个循环，且用模型自身充当 harness 提案者，降低了对人工设计脚手架的依赖。摘要还提到，两个组件各自与原始版本配对时仍有增益，联合增益超过单独增益之和，说明二者存在互补关系。
对用户/开发者/创作者的影响
对开发者而言，这类方法提示：评估编码智能体时，换 harness 可能带来与换模型同量级的效果，API 或开源模型的使用方值得把工具链配置纳入调优范围。对企业采购来说，目前公开信息显示这仍是论文层面的方法，尚无产品化承诺，短期不宜据此调整采购决策。对智能体框架作者，H-step 的“自诊断—提出新 harness”思路可作为设计自动化调优流程的参考。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是论文全文是否披露 harness 候选的筛选标准与算力开销，这决定方法能否低成本复现；二是摘要提到 Pass@1 可靠性提升和 Pass@k 能力边界扩展，需看具体任务与统计口径；三是摘要称换成更强的外部模型（如 Opus 4.8）担任 harness 提案者还能继续提升，这一跨模型组合是否会进入更多团队的训练流程值得观察。
