在自演化框架中，通常优化任务解决方案时会将环境视为固定。然而，我们引入了 Harness-Aware Self-Evolving (HASE) 框架，这是一种代理强化学习框架，允许单一模型在多轮动作空间中生成任务解决方案或编辑选定的环境组件。HASE 使得单个 Qwen3-8B 模型的文本分类性能达到了使用 Claude Code 作为环境提议者的 GPT-OSS-120B 模型的水平。
在 alpha 因子挖掘中，HASE 的表现超过了已报告的 GPT-OSS-120B 基准。此外，HASE 还修复了不完善的评估组件，并在圆形打包算法发现中收敛到最先进的性能。这些结果表明，HASE 通过统一的代理过程同时改善了环境和解决方案。
博主点评： HASE 框架的创新之处在于其将环境和任务解决方案的优化融合为一体，展现了强化学习领域中的新思路。尤其是在性能上超越传统大型模型，标志着自演化技术的进步，值得进一步研究与应用。