AI 연구연구 프리프린트
코딩 에이전트의 실행 환경과 모델을 번갈아 개선하는 Self-HPO
원문 읽기 · arxiv.org ↗(새 탭에서 열림)실패를 보고 실행 하네스를 고치는 단계와 검증 가능한 성공 보상으로 모델을 학습시키는 단계를 이어 붙인 코딩 에이전트 연구다.
배경과 방법
- 고정 모델에 맞춘 하네스는 모델이 훈련 뒤 바뀌면 최신 실패를 반영하지 못한다. Self-HPO는 현재 모델이 하네스 후보를 제안하고 선택된 하네스에서 정책을 강화학습한 뒤 미해결 과제를 다음 하네스 탐색에 넘긴다.
실험 근거
- Qwen3.5-35B-A3B와 mini-SWE-agent를 사용해 Python 중심 2,484과제로 두 차례 교대 최적화했다. 세 벤치마크의 3회 평균 해결률은 57.8%에서 64.8%; Verified는 61.0%→69.5%, Multilingual은 54.2%→59.7%, Pro는 58.3%→65.2%였다.
적용 조건
- 평가 성공은 제출 패치가 벤치마크 검증기를 통과했는지에 따른다. 한 기반 모델과 세 공개 평가의 결과다. 실패만 저장하고 검증 보상·모델 가중치 갱신을 금지한 다른 실험과 조건이 달라 모순으로 해석하지 않는다.
함께 확인할 조건
- Qwen3.5-35B-A3B 한 기반 모델, mini-SWE-agent, 검증기 있는 코드 과제 2,484개 훈련·두 교대 라운드의 결과다. 세 벤치마크 밖 현장 성능이나 모든 에이전트 개선으로 일반화할 수 없는 비심사 프리프린트다.
이 글의 용어
기사에서 다루는 개념을 검수된 용어집에서 살펴보세요.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.