微软等提升Qwen3.5基准解决率

发生了什么

微软等研究者通过交替演进harness与模型，将Qwen3.5编程基准解决率从57.8%提升至64.8%。该方法在每一轮中，政策读取自身失败并提议harness改变，随后在选定的harness下进行强化学习训练。训练中持续困难的任务成为下一轮harness的搜索集。联合增益大于单独harness或政策增益之和，且优化部分与对方原始版本搭配时仍能保持改进。使用Opus 4.8作为harness提议者在循环中进一步提升了效果，将前沿模型的harness判断转化为更小的政策。