모델 가중치나 실행 하네스를 바꾸지 않고도 보안 에이전트를 스스로 개선시키는 알고리즘 SelfOp가 발표됐다. SelfOp는 컨텍스트 최적화를 연쇄법칙 기반 텍스트 그래디언트 하강으로 재구성해, 각 사례의 결과에서 평가자·에이전트 궤적·컨텍스트 요소를 거슬러 올라가며 오차 신호를 전파하고 이를 사례 간 클러스터링·순위화·필터링으로 누적한다. 실제 취약점 재현 벤치마크 CyberGym에서 200개 미만의 학습 사례만으로 GPT-5.4-mini(Codex 결합) 성능을 17점 끌어올려 프론티어 모델 GPT-5.4 기준선을 6점 능가했고, GPT-5.4 자체도 18.5점 개선했다. 최적화된 스킬은 모델 간에도 전이돼, SelfOp가 모델 특정 패턴이 아닌 일반화 가능한 작업 지식을 학습함을 시사한다.

• •모델 가중치·실행 하네스는 그대로 두고 컨텍스트만 최적화하는 SelfOp 알고리즘
• •텍스트 그래디언트 하강으로 사례별 오차 신호를 컨텍스트 요소까지 역전파
• •CyberGym에서 200개 미만 사례로 GPT-5.4-mini 성능 17점, GPT-5.4는 18.5점 향상
• •최적화된 GPT-5.4-mini가 프론티어 GPT-5.4 기준선을 6점 능가
• •최적화된 스킬이 다른 모델로도 전이돼 일반화 가능성 확인