https://inkeast.github.io/MessageDaily/tags/%E6%90%9C%E7%B4%A2%E7%A9%BA%E9%97%B4%E6%8E%A7%E5%88%B6/Recent content in 搜索空间控制 on MessageDailyHugozh-cnFri, 11 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-11-robustsgpo-harness-evolution-paper-reading/Fri, 11 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-11-robustsgpo-harness-evolution-paper-reading/语义梯度提示优化（SGPO）让 harness 能用执行反馈自动进化，但其局部更新规则把’这轮该改哪里、怎么改’留给运气——搜索空间悬空导致补丁无效率高、进化易破坏已有能力。武大×快手的 RobustSGPO 给出三步控制：显式指定本轮编辑（choose what to change）、构造并检查补丁（construct & check）、从现任或保留快照继续（防劣化回滚），配合周期性 1→2→3 权限调度。在快手 AgentX 头脑风暴工作流上（120 任务/95 运行/7350 候选），held-out 完成率 60.0%→80.0%、测试质量 3.77→4.14，结构化搜索补丁有效率 77.8% vs 48.9%。