# Koewolucja modelu i uprzęży agenta

EN: **Weight-harness co-evolution** · id `weightharnesscoevo` · aliases: Evo2, proposer-reflector co-evolution, weight harness joint training

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Aplikacje LLM i agenci](https://aiatlasgraph.com/t/applications.md) › [Agenci i orkiestracja](https://aiatlasgraph.com/t/agentsnode.md) › [Uprząż agenta](https://aiatlasgraph.com/t/agentharness.md) › [Uczenie uprzęży agentów](https://aiatlasgraph.com/t/harnesslearning.md) › Koewolucja modelu i uprzęży agenta

## Description

- PL: Jedna polityka pełni role proposera i reflektora, a logi edycji uprzęży służą do treningu jej wag.
- EN: A single policy acts as proposer and reflector; harness edit logs train its weights.

## In one sentence

- PL: Model uczy się zarówno poprawiać program wokół siebie, jak i poprawiać siebie na podstawie tych poprawek.
- EN: The model learns both to improve the program around itself and to improve itself from those improvements.

## Problem it solves

- PL: Poprawa uprzęży i trening wag idą osobno, więc model nie uczy się lepiej proponować zmian.
- EN: Harness improvements and weight training stay separate, so the model does not learn to propose better changes.

## What it does

- PL: Proponuje edycje uprzęży, ocenia ich skutki i używa tych śladów do treningu obu ról.
- EN: It proposes harness edits, assesses their effects and uses those traces to train both roles.

## Everyday example

- PL: Asystent do kodu poprawia sposób szukania plików. Logi tych prób służą do lepszego uczenia modelu, który te poprawki pisze.
- EN: A coding assistant improves how it searches files. Logs from those trials then train the model that writes the improvements.

## This concerns you if you…

- PL: uprząż asystenta poprawia się, ale model w niej stoi w miejscu
- PL: chcesz, by model uczył się z własnych zmian otoczenia
- PL: ręczne strojenie uprzęży i wag zajmuje za dużo czasu
- EN: the assistant's harness improves but the model inside stays the same
- EN: want the model to learn from its own changes to the surroundings
- EN: manual tuning of harness and weights takes too long

## Keywords

weight-harness co-evolution · Evo2 · proposer-reflector · EvoTIDE · interleaved GRPO · harness edit training · self-evolving agents

## How it works

- PL: Polityka w roli proposera generuje edycje kodu uprzęży. W roli reflektora diagnozuje skutki i prowadzi rewizję. EvoTIDE odzyskuje trajektorie przez ekstrakcję edycji i kontynuację prefiksów, potem SFT i przeplatane GRPO trenuje obie role na wynikach wykonań.
- EN: The policy as proposer generates harness code edits. As reflector it diagnoses effects and guides revision. EvoTIDE recovers trajectories via edit extraction and prefix continuation, then SFT and interleaved GRPO train both roles on execution outcomes.

## Limits

- PL: Wymaga logów edycji z wynikami oraz wielu wykonań. Transfer uprzęży działa bez dalszej ewolucji na innych zadaniach, ale pełna koewolucja zależy od jakości feedbacku. Nie zastępuje oceny na zadaniach poza zbiorem treningowym.
- EN: Requires edit logs with outcomes and many executions. Harness transfer works without further evolution on other tasks, but full co-evolution depends on feedback quality. It does not replace evaluation on tasks outside the training set.

## Key terms

- PL: **proposer**: Rola generująca edycje kodu uprzęży.
- PL: **reflektor**: Rola diagnozująca skutki edycji i kierująca poprawkami.
- PL: **EvoTIDE**: Pipeline odzyskujący trajektorie i łączący SFT z GRPO.
- EN: **proposer**: Role that generates harness code edits.
- EN: **reflector**: Role that diagnoses edit effects and guides revisions.
- EN: **EvoTIDE**: Pipeline that recovers trajectories and combines SFT with GRPO.

## Related topics

Untyped, symmetric "see also" links.

- [Adaptacja uprzęży podczas RL (Harness adaptation during agentic reinforcement learning)](https://aiatlasgraph.com/t/harnessadaptrl.md)
- [Kompozycyjne przeszukiwanie uprzęży (Compositional harness search)](https://aiatlasgraph.com/t/harnesscomposition.md)
- [Rekurencyjne samoulepszanie agentów terminalowych (Recursive self-improvement of terminal agents)](https://aiatlasgraph.com/t/terminalrsi.md)
- [Samonadzór wieloagentowy (MASS) (Multi-agent self-supervision (MASS))](https://aiatlasgraph.com/t/mass.md)

## Sources

- [Evo^{2}: Evolving the Evolver through Weight-Harness Co-Evolution](<https://arxiv.org/abs/2610.13025>) `evo2-weightharness-2026` · by Chejian Xu, Shujian Zhang, Wenxuan Zhou, John Lambert, Beck Chen, Bo Li, Andrew Hard, Rajiv Mathews

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/weightharnesscoevo · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30