https://inkeast.github.io/MessageDaily/tags/%E9%BB%91%E7%9B%92%E4%BC%98%E5%8C%96/Recent content in 黑盒优化 on MessageDailyHugozh-cnFri, 11 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-11-selfplay-text-harness-bbo-paper-reading/Fri, 11 Sep 2026 00:00:00 +0000https://inkeast.github.io/MessageDaily/posts/2026-09-11-selfplay-text-harness-bbo-paper-reading/Google 的这篇论文问了一个极简的问题：agent 能否通过’写优化器代码并评估’的可执行实践学会一个搜索策略，然后把这个策略蒸馏成一段文本、迁移给从未见过这段实践的其他模型？答案是肯定的——自博弈产出的 197 词文本 harness（Harness A）使 Gemini Flash 在黑盒优化上 regret 降低 48%（N=30，p<.001），同一文本让所有受测 Gemini 执行器与 Claude Sonnet 都改善（regret -43%~-49%），独立复现的 Harness B 性能同档。‘语言是部署搜索策略的便携介质’——harness 自动生成从进化搜索走向了实践蒸馏。