論文の概要: Natural-Language Agent Harnesses
- arxiv url: http://arxiv.org/abs/2603.25723v1
- Date: Thu, 26 Mar 2026 17:58:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:48.419743
- Title: Natural-Language Agent Harnesses
- Title（参考訳）: ナチュラル・ランゲージ・エージェント・ハーネス
- Abstract要約: 我々は、編集可能な自然言語でハーネスを表現するtextbfNatural-Language Agent Harnesses (NLAHs) と、明示的なアーティファクト、耐久性のあるアダプタ、軽量アダプタを通じてこれらのハーネスを実行する共有ランタイム textbfIntelligent Harness (IHR) を紹介する。
- 参考スコア（独自算出の注目度）: 9.79040667445465
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agent performance increasingly depends on \emph{harness engineering}, yet harness design is usually buried in controller code and runtime-specific conventions, making it hard to transfer, compare, and study as a scientific object. We ask whether the high-level control logic of an agent harness can instead be externalized as a portable executable artifact. We introduce \textbf{Natural-Language Agent Harnesses} (NLAHs), which express harness behavior in editable natural language, and \textbf{Intelligent Harness Runtime} (IHR), a shared runtime that executes these harnesses through explicit contracts, durable artifacts, and lightweight adapters. Across coding and computer-use benchmarks, we conduct controlled evaluations of operational viability, module ablation, and code-to-text harness migration.
- Abstract（参考訳）: エージェントのパフォーマンスはますます \emph{harness engineering} に依存しているが、通常、設計はコントローラコードや実行時固有の規約に埋もれており、科学的な対象として転送、比較、研究が困難である。
エージェントハーネスの高レベル制御ロジックを、ポータブルな実行可能アーティファクトとして外部化できるかどうかを問う。
我々は、編集可能な自然言語でハーネスを表現した \textbf{Natural-Language Agent Harnesses} (NLAHs) と、明示的なコントラクト、耐久性のあるアーティファクト、軽量なアダプタを通じてこれらのハーネスを実行する共有ランタイムである \textbf{Intelligent Harness Runtime} (IHR) を紹介する。
プログラミングとコンピュータ利用のベンチマークを通じて,操作可能性,モジュールアブレーション,コード・ツー・テキスト・ハーネス・マイグレーションの制御評価を行う。
関連論文リスト
- CEDAR: Automata as Verifiable Interfaces for Language-Guided Embodied Action [10.197044775138883]
CEDARは環境イベントトレース上の正規言語として命令を基盤とするフレームワークである。
Minecraftでは、プログラム生成ベースラインに同じシミュレータ/API観測が利用可能であり、CEDARは時間的および空間的制約を維持している。
これらの結果は,正規言語が自然言語命令と具体的エージェントポリシーの間に実践的な検証層を提供することを示している。
論文 参考訳（メタデータ） (2026-08-28T00:25:48Z) - EvoHarness-RL: Learning Self-Evolving Runtime Harness for Long-Horizon LLM Agents [103.43357674316316]
長期のLDMエージェントは、状態の維持、進捗の追跡、ツールの呼び出し、結果の検証、インタラクション間のエクスペリエンスの再利用など、外部実行のサポートにますます依存している。
効果的なハーネス利用は、ノイズの多い相互作用トレースからの状態形成と、外部状態アクセスの制御という2つの課題を提起する。
本稿では,BPE(Breief Progress, and Experience)を政策対応型ハーネス状態として公開するEvoHarness-RLを紹介する。改良されたハーネスファインタニングは,基本エージェントにハーネスアクション空間と有用な外部状態の構築方法を教える一方で,コスト意識のGRPOは,長期的相互作用の間,その状態を選択的に読み,更新し,統合するコーディネーションポリシーを探求する。
論文 参考訳（メタデータ） (2026-08-05T22:29:20Z) - Harness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable [46.2784020602283]
本稿ではハーネスから自動的に合成された行動コンテキスト中心の表現であるHarness Handbookを紹介する。
また,BGPD(Behaviment-Guided Progressive Disclosure)についても紹介する。
2つのオープンソースハーネスからの多様な修正要求に対して、ハンドブック支援プランニングは、振る舞いのローカライゼーションと編集計画の品質を改善している。
論文 参考訳（メタデータ） (2026-07-14T21:39:55Z) - MemoHarness: Agent Harnesses That Learn from Experience [46.167787606315585]
私たちはMemoHarnessを紹介した。MemoHarnessは適応型ハーネス最適化フレームワークで、独自の実行から学習する。
MemoHarnessは、ハーネスを6つの編集可能なコントロールディメンションに分解し、ケースごとの診断と蒸留されたグローバルパターンを二重層体験バンクに格納する。
MemoHarnessは、シェルエージェント、コードジェネレーション、分析推論ベンチマークを対象とし、私たちが比較した固定ハーネスよりも改善し、目に見えないスイートやベースモデルへの選択的移行を示す。
論文 参考訳（メタデータ） (2026-07-14T21:22:18Z) - ToFu: A White-Box, Token-Efficient Agent Harness for Researchers [73.72929185946842]
ToFuは、ファイルを読み、ファイルを編集し、コマンドを実行し、開発ツールと統合する研究者のためのエージェントハーネスだ。
研究助手として、より優れたトークン効率、低コスト、多言語能力で実践的な研究を支援する。
研究対象として、ToFuはホワイトボックスのエージェントハーネスを提供しており、研究者はオーケストレーションロジック、ツール使用の振る舞い、デザインを検査、修正、評価することができる。
論文 参考訳（メタデータ） (2026-07-13T11:26:06Z) - TTHE: Test-Time Harness Evolution [50.26245555541721]
既存のアプローチでは、デプロイ前、トレーニング前、あるいはテスト時に凍結される固定されたエージェントワークフローの開発データを最適化する。
我々は、エージェントがテスト入力で生成するラベルのない実行トレースのみを使用して、評価自体にハーネスを最適化できるかどうかを問う。
評価中、TTHEは候補ハーネスの人口を維持し、それらの実行トレースの理由をエージェントプロジェクタを通じてそれらを洗練する。
その後、審査員は実行元プロキシ信号から改善されたハーネスをコミットし、選択したプログラムは継続してその後の入力を統治する。
論文 参考訳（メタデータ） (2026-07-09T05:53:39Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - Ground-Compose-Reinforce: Grounding Language in Agentic Behaviours using Limited Data [17.614395125762304]
認識と行動における接地言語は、人間や他のエージェントと対話できる位置にあるエージェントを構築する上で、言語を介して重要な課題である。
高レベルタスク仕様から直接RLエージェントを訓練するためのエンドツーエンドのニューロシンボリックフレームワークであるGround-Compose-Reinforceを提案する。
論文 参考訳（メタデータ） (2025-07-14T19:05:15Z) - CIE: Controlling Language Model Text Generations Using Continuous Signals [19.55268309121786]
我々は、LMが「低」トークンと「高」トークンの埋め込みの間に補間される制御ベクトルを期待するように微調整できることを示す。
本手法は,制御信号を離散信号として表現する文脈内学習法や微調整法よりも応答長制御をより確実に行う。
論文 参考訳（メタデータ） (2025-05-19T17:59:58Z) - DECIDER: A Dual-System Rule-Controllable Decoding Framework for Language Generation [57.07295906718989]
制約付き復号法は,事前訓練された大言語(Ms と PLMs)が生成するテキストの意味やスタイルを,推論時に様々なタスクに対して制御することを目的としている。
これらの方法は、しばしば、欲求的かつ明示的にターゲットを選択することによって、もっともらしい連続を導く。
認知二重プロセス理論に着想を得て,新しい復号化フレームワークDECDERを提案する。
論文 参考訳（メタデータ） (2024-03-04T11:49:08Z) - Successor Features for Efficient Multisubject Controlled Text Generation [48.37713738712319]
本稿では,後継機能 (SF) と言語モデル修正の2つの基本概念を基礎とするSF-GENを紹介する。
SF-GENはこの2つをシームレスに統合し、LCMのパラメータを変更することなくテキスト生成の動的ステアリングを可能にする。
我々の知る限り、本研究はテキスト生成における後継機能の最初の応用である。
論文 参考訳（メタデータ） (2023-11-03T00:17:08Z) - ETHER: Aligning Emergent Communication for Hindsight Experience Replay [0.1747623282473278]
自然言語条件強化学習(RL)エージェントは、構成性などの自然言語の性質が、複雑な政策を学ぶための強い帰納バイアスをもたらすことを示した。
Hindsight Experience Replay (HER)と言語コンディショニングの利点を組み合わせたHIGhERのような以前のアーキテクチャは、スパース報酬環境に対処する。
本研究では,BabyAIベンチマークの目標記述に使用される自然言語と一致した人工言語が出現することを示す。
論文 参考訳（メタデータ） (2023-07-28T11:42:31Z) - AmadeusGPT: a natural language interface for interactive animal
behavioral analysis [65.55906175884748]
動作の自然言語記述をマシン実行可能なコードに変換する自然言語インタフェースであるAmadeusGPTを紹介する。
MABE 2022の動作課題タスクで最先端のパフォーマンスを実現できることを示す。
アマデウスGPTは、深い生物学的知識、大規模言語モデル、そしてコアコンピュータビジョンモジュールをより自然に知的なシステムに統合する新しい方法を提示している。
論文 参考訳（メタデータ） (2023-07-10T19:15:17Z) - Augmented Language Models: a Survey [55.965967655575454]
この調査は、言語モデル(LM)が推論スキルとツールの使用能力で強化されているかのレビューを行う。
私たちはこれらをAugmented Language Models (ALMs)と呼ぶ。
トークンの目的の欠如により、ALMは標準的な自然言語タスクを実行しながら、推論、ツールの使用、さらには行動を学ぶことができる。
論文 参考訳（メタデータ） (2023-02-15T18:25:52Z) - COLD Decoding: Energy-based Constrained Text Generation with Langevin
Dynamics [69.8062252611486]
コールドデコーディングは、既製の左から右の言語モデルに直接適用可能なフレキシブルなフレームワークである。
制約付き生成タスクの実験は、自動評価と人的評価の両方の観点から、我々のアプローチの有効性を示している。
論文 参考訳（メタデータ） (2022-02-23T18:59:27Z) - On-the-Fly Controlled Text Generation with Experts and Anti-Experts [70.41630506059113]
本稿では,DExperts: Decoding-time Expertsを提案する。
私たちのアンサンブルの下では、出力トークンは専門家によって可能性が高く、おそらく反専門家によってのみ高い確率を得ます。
論文 参考訳（メタデータ） (2021-05-07T01:19:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。