本文へ移動

話題 / Topic

自己改良

「モデルを強くする」前に「足場」を直す──Microsoftが、コーディングエージェントに自分の作業環境を書き換えさせてSWE-benchを伸ばした

Microsoft Research の Self-HPO は、コーディングエージェントに自分の「足場(ハーネス)」を書き換えさせ、重みと交互に鍛える。35BモデルでSWE-bench平均を57.8%→64.8%へ。足場と重みの相乗効果と、自己改良の落とし穴を読む。