@Xudong07452910：如今许多 Agent 都在自我进化，大致走两条路径：一条修改模型权重，另一条修改 Harness……

X AI KOLs Timeline 论文
self-evolving-agents harness-evolution reinforcement-learning agentic-systems model-training recursive-improvement

摘要

这篇关于 Evo² 的文章提出将自进化 Agent 的两条路径（修改模型权重与修改 Harness）连接起来，让 Proposer 与 Reflector 双角色进入持续训练循环，在 Polyglot 上达到 82.1%、SWE-bench Verified 上达到 48.3%，且演化出的 Harness 可直接迁移复用。

如今许多 Agent 都在自我进化，大致走两条路径： 一条是修改模型权重，另一条是修改 Harness。 这篇 Evo² 论文直接把这两条路径连通了起来。 在该系统中，同一个模型同时扮演两个角色： Proposer 负责修改 Harness，Reflector 负责审查执行结果，分析哪些改对了，哪些还需要修正。 关键在于下一步。 这些 Harness 修改和实际执行结果会继续用于训练 Proposer 和 Reflector。模型越来越擅长修改 Harness，而新的 Harness 又能产生更好的训练经验，由此形成持续循环。 结果是，Evo² 在 Polyglot 上达到 82.1%，而最强基线为 62.6%；在 SWE-bench Verified 上达到 48.3%，优于基线的 41.0%。 更重要的是，演化出的 Harness 可以直接迁移到其他基准上，无需重新搜索。在修复 GPT-5-mini 权重时，仅依靠这套 Harness 演化流程，就能将性能从 24.4% 提升到 48.3%。 这篇论文真正具有推动意义的一步，是把「改进者」本身也纳入了学习循环。 未来，自我进化的 Agent 可能越来越像两个相互促进的系统： 一边积累更好的外部执行结构，同时训练更擅长修改这些结构的模型。 当「如何让自己变强」本身也开始被持续训练时，自我进化才真正获得了第二层递归。 📎 arxiv:
查看原文
查看缓存全文

缓存时间: 2026/10/15 02:07

如今，许多 Agent 都在自我进化，大致有两条路径：

一条修改模型权重，另一条修改 Harness。

Evo2 这篇论文直接将两条路径连接了起来。

在该系统中，同一个模型同时扮演两个角色：

Proposer 负责修改 Harness，Reflector 负责审查执行结果，分析哪些修改是正确的，哪些还需要修复。

关键在于下一步。

这些 Harness 修改和实际执行结果将继续用于训练 Proposer 和 Reflector。模型变得越来越擅长修改 Harness，而新的 Harness 又能产生更好的训练经验，形成一个持续循环。

最终，Evo2 在 Polyglot 上达到 82.1%，而最强基线仅为 62.6%；在 SWE-bench Verified 上达到 48.3%，较基线的 41.0% 有显著提升。

此外，进化后的 Harness 可以直接迁移到其他基准测试，无需重新搜索。在修复 GPT-5-mini 权重时，仅依靠这套 Harness 进化流程，性能就从 24.4% 提升到了 48.3%。

这篇论文真正具有推动力的一步，是将“改进器“本身纳入学习循环。

未来，自我进化的 Agent 可能会越来越像两个互相强化的系统：

一方面积累更优的外部执行结构，另一方面持续训练更擅长修改这些结构的模型。

当“如何让自己变强“本身也开始被持续训练时，自我进化才真正获得了第二层递归。

📎 arxiv:

相似文章

自我进化代理脚手架框架

Hugging Face Daily Papers

提出一个自我进化代理框架（Harness RSI），在保持模型权重固定的情况下，通过反馈驱动的修订与进化优化，持续改进代理的软件脚手架（提示、记忆、工作流和可执行组件），并借助持续 PAC 学习为泛化与保留能力提供理论保证。

Evo$^2$：通过权重与框架协同进化来进化演化器

arXiv cs.CL

Evo²提出权重-支架协同进化框架，通过双角色（Proposer/Reflector）管线和EvoTIDE训练流程（SFT+GRPO），在Polyglot达到82.1%、SWE-bench Verified达到48.3%，显著优于现有自进化方法，并可跨模型与任务迁移。

基于多任务的自进化 harness：agent 作为自身的优化器

arXiv cs.AI

提出一种自进化 agent harness 框架：同一个冻结模型先作为 solver 求解任务，再作为 proposer 直接编辑自身 harness 的代码；在多任务上完成进化后，于分布外基准上显著超越 Codex（提升 12.64 分）并达到相当的表现水平。

DarwinX：通过自然选择进化智能体框架

Hugging Face Daily Papers

DarwinX 通过自然选择式的种群搜索进化 LLM 智能体框架，模型权重保持冻结，在不做基准特定修补的情况下，提升了多个基准测试上的验证性能。