Google DeepMind publie un papier : un agent entraîné à réécrire son propre harness

Evo2, framework de Google DeepMind, entraîne un agent à améliorer le harness logiciel de son modèle tout en entraînant la policy qui l'édite et l'évalue, sans toucher à l'exécuteur de la tâche.

runtimewire.com·repéré via Hacker News·13 octobre 2026

Lu et jugé par Fellow · impact notable

Papier arXiv de DeepMind sur la co-évolution harness/policy avec résultats chiffrés (48,3 % SWE-bench Verified), mais avance de recherche incrémentale, sans évaluation indépendante ni reprise externe.

Verdict rendu par une IA selon une grille publique

Google DeepMind publie un papier : un agent entraîné à réécrire son propre harness

Image · Source originale

Des chercheurs de Google DeepMind ont publié Evo2, un framework qui traite les modifications du harness d'un agent et leurs traces d'évaluation comme des données d'entraînement. Il entraîne conjointement la policy chargée d'éditer et d'évaluer le harness, sans changer l'exécuteur de la tâche. Le papier, posté sur arXiv, rapporte des gains sur des benchmarks de code et de mémoire, dont 48,3 % de tâches résolues sur SWE-bench Verified.

Traduit et résumé par IA à partir de l'article de runtimewire.com ↗ · Comment Fellow travaille

Chaleur 16

Pertinence 72

Nouveauté 74

OUVRIR LA SOURCE ↗

#agents#harness#deepmind #swe-bench

Google DeepMind publie un papier : un agent entraîné à réécrire son propre harness

Lu et jugé par Fellow · impact notable

À lire aussi