論文の概要: Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails
- arxiv url: http://arxiv.org/abs/2609.09134v1
- Date: Tue, 08 Sep 2026 17:53:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.711472
- Title: Co-Evolving Harnesses and Models: On-Policy Correction Helps Weaker Models Catch Up Where Imitation Fails
- Title（参考訳）: 共進化的ハーネスとモデル: オン・ポリティ・コレクションは、イマジネーションが失敗する場所をウェカーモデルがキャッチアップするのに役立つ
- Abstract要約: 自動化されたハーネス進化により、より小さなモデルは、フロンティアモデルコストのごく一部で、ドメイン固有のタスクでうまく機能することができる。
模倣は知識を伝達し,足場の使用量を増加させるが,モデルハーネスの適合性を阻害することを示す。
我々は、メタレベルのMLEエージェントによって自動化され、弱いモデル自身のロールアウトにおいて失敗するターンをローカライズし、専門家にそのターンのみを書き直すよう依頼する、オンデマンドの専門家補正パイプラインを開発する。
- 参考スコア（独自算出の注目度）: 23.287109132562403
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Agent harnesses (the system prompt, tool set, execution hooks, and context-management scaffolding around a model) are a critical determinant of agentic task success. Automated harness evolution can enable smaller models to perform well on domain-specific tasks at a fraction of frontier-model cost. Since both the harness and model weights shape behavior, we ask how harness evolution and lightweight fine-tuning should be combined. Across seven enterprise agent tasks, we first evolve a harness with the weaker model, then find that a stronger expert often uses it more effectively, suggesting expert supervision could close the remaining gap. However, training the weaker model on the expert's complete trajectories under the evolved harness backfires: performance regresses on all seven tasks by 4 to 30 points across Qwen3-Coder and Gemma 4, even though the same procedure helps under the unevolved harness. Our analysis shows that imitation transfers knowledge and increases scaffold usage, but disrupts model-harness fit: the weaker model adopts the expert's planning strategy without the competence to execute it and no longer matches the harness evolved around its native planning style. We therefore develop an on-policy expert-correction pipeline, automated by a meta-level MLE agent, that localizes the failing turn in the weaker model's own rollout and asks the expert to rewrite only that turn. This preserves the model's planning style and combines the gains of harness evolution and model adaptation. Our results identify and resolve a source of contention between harness and weight updates, yielding a compatibility-preserving recipe for economical co-evolution on domain-specific enterprise tasks.
- Abstract（参考訳）: エージェントハーネス(システムプロンプト、ツールセット、実行フック、モデルを中心としたコンテキスト管理の足場)は、エージェントタスクの成功の重要な決定要因である。
自動化されたハーネス進化により、より小さなモデルは、フロンティアモデルコストのごく一部で、ドメイン固有のタスクでうまく機能することができる。
ハーネスとモデルの両方が形状の挙動を示すので、ハーネスの進化と軽量な微調整をどのように組み合わせるかを問う。
7つのエンタープライズエージェントタスク全体で、私たちはまず、弱いモデルでハーネスを進化させ、その後、より強い専門家がそれをより効果的に利用することを見つけ、専門家の監督が残りのギャップを埋める可能性があることを示唆します。
しかし、進化したハーネスのバックファイアの下で、専門家の完全な軌跡の弱いモデルをトレーニングする: Qwen3-Coder と Gemma 4 の7つのタスクのパフォーマンスが 4 から 30 ポイント向上する。
我々の分析では、模倣は知識を伝達し、足場の使用量を増加させるが、モデルハーネスを損なう。弱いモデルは、それを実行する能力のない専門家の計画戦略を採用し、もはやそのネイティブな計画スタイルに進化したハーネスと一致しない。
そこで我々は,メタレベルのMLEエージェントによって自動化されたオンライン専門家補正パイプラインを開発し,より弱いモデルのロールアウトにおいて失敗するターンをローカライズし,専門家にそのターンのみを書き直すよう依頼する。
これはモデルの計画スタイルを保存し、ハーネスの進化とモデル適応の利益を組み合わせる。
この結果から, 利活用と重み更新の競合源の特定と解決が可能となり, ドメイン固有のエンタープライズタスクにおいて, 経済的共進化のための整合性維持のレシピが得られた。
関連論文リスト
- EVOHARNESSBENCH: Can Your Agents Keep Pace with an Evolving Harness? [83.21711423118768]
EVOHARNESSBENCHは、制御されたハーネス進化下でエージェントを評価するためのベンチマークである。
検証器ベースのベンチマークから決定的に構築された17のマルチステージハーネスストリームを含んでいる。
論文 参考訳（メタデータ） (2026-09-03T03:24:02Z) - HarnessDev: Can LLMs Create and Evolve Their Own Agent Harness? [61.02699867449589]
評価単位をタスク出力から実行インフラストラクチャにシフトするベンチマークであるHarnessDevを紹介します。
Creationでは、エージェントは最小限のシードと少数のケースから始まり、完全な実行システムを構築する。
Evolutionでは、独自のハーネスから始まり、ベンチマークのパフォーマンス向上を目標として、下流の実行フィードバックを使用して反復的に修正する。
論文 参考訳（メタデータ） (2026-09-01T15:45:33Z) - JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution [74.58840188662151]
JIT-Agentは、タスク適応エージェントハーネスをオンザフライで合成するために訓練されたハーネスインテリジェンスモデルである。
JIT-Agentは、ジャスト・イン・タイムのハーネス生成のために構築された最初のモデルである。
論文 参考訳（メタデータ） (2026-08-26T10:05:33Z) - HELIX: Model-Harness Co-evolution for Recursive Self-Improvement [8.484282837156933]
我々は,HELIXを資源追跡可能なHELIX基板として提案する。
提案手法は,現在の能力向上と,次のモデルに対する学習信号の生成方法を示す。
論文 参考訳（メタデータ） (2026-08-14T04:44:53Z) - AI4AI at Test-Time: Strong-to-Weak Capability Transfer via Harnesses [72.0777620499307]
我々は、より強力なビルダーモデルが、より弱いターゲットモデルがパラメータを更新することなくタスクをより確実に解決するのに役立つ推論時ハーネスを構築することができるかどうか検討する。
実証的には、このテストタイム能力の伝達は非常に効果的であり、平均目標モデルの性能は0.49から0.91にほぼ倍増している。
構築者モデル推論の取り組みは、使用者の品質を単調に改善し、プラットフォーム効果は、構築者モデル自身の能力に対して控えめであり、より弱いターゲットモデルは最大の利益を得る。
論文 参考訳（メタデータ） (2026-08-12T17:53:18Z) - Self-Evolving Embodied Agents via Skill-Harness Evolution [53.307052568223945]
身体的エージェントは、ファンデーションモデルを中心としたシステムとして、ますます構築されている。
教師付き微調整と強化学習はエージェントを新しい環境に適応させることができるが、追加のデータ、報酬、トレーニングの実行が必要である。
SHAPERは,モデルパラメータの凍結を保ちつつ,列車不要な態様適応のための自己進化型フレームワークである。
論文 参考訳（メタデータ） (2026-08-11T18:55:58Z) - HarnessX: A Composable, Adaptive, and Evolvable Agent Harness Foundry [35.87794858139959]
HarnessXは、構成可能、適応可能、進化可能なエージェントハーネス用のファウンダリーである。
型付きハーネスプリミティブを置換代数学で組み立て、AIGISを介して適応する。
軌道をハーネス更新とモデルトレーニング信号の両方に変換することでハーネスモデルループを閉じる。
論文 参考訳（メタデータ） (2026-06-12T08:27:11Z) - Self-Harness: Harnesses That Improve Themselves [30.839060071524433]
Self-Harnessは、LLMベースのエージェントが、人間のエンジニアや強力な外部エージェントに頼ることなく、自身の運用ハーネスを改善する新しいパラダイムである。
我々は,最小限の初期ハーネスと多様な家系の3つの基本モデルを用いて,ターミナルベンチ2.0上の自己調和をインスタンス化する。
論文 参考訳（メタデータ） (2026-06-08T13:50:23Z) - Harness Updating Is Not Harness Benefit: Disentangling Evolution Capabilities in Self-Evolving LLM Agents [82.27610290890475]
i) ハーネス更新、(i) 実行証拠から有用な永続的ハーネス更新を生成する能力、(ii) ハーネスベネフィット、タスク解決時に更新されたハーネスの恩恵を受ける能力の2つのハーネス自己進化能力を分析した。
まず、ハーネス更新は基本能力において平坦である:異なる能力階層のモデルがハーネス更新を生成し、驚くほど類似したゲインをもたらす。
第二に、ハーネスベネフィットは基本能力において単調ではない:弱い層モデルは更新されたハーネスからほとんど恩恵を受けず、中層モデルは最も恩恵を受け、強い層モデルは中層より利益が低い。
論文 参考訳（メタデータ） (2026-05-28T22:16:14Z) - DemoEvolve: Overcoming Sparse Feedback in Agentic Harness Evolution with Demonstrations [12.048713464721665]
DemoEvolveは、進化を活用するためのデモブートストラップ付きのアプローチである。
我々はこのパラダイムを標本効率の速い適応の一形態として研究する。
DemoEvolveは、より効果的で監査可能なハーネス編集を生成する。
論文 参考訳（メタデータ） (2026-05-23T12:10:52Z)
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。