Self-HPO：通过测试脚手架与策略协同优化实现自进化代码智能体

研究人员提出代码智能体递归自我提升框架 Self-HPO，通过交替优化测试脚手架（Harness）与策略模型（Policy），利用进化中的策略自主提议脚手架并通过强化学习更新策略。在三个代码基准测试中，该方法将千问 Qwen3.5-35B-A3B 的平均解决率从 57.8% 提升至 64.8%，同时提高了 Pass@1 可靠性并扩展了 Pass@k 能力边界。