論文の概要: ModularRSI: Modular and Generalizable Recursive Harness Self-Improvement
- arxiv url: http://arxiv.org/abs/2609.14857v1
- Date: Mon, 14 Sep 2026 00:10:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:06.015724
- Title: ModularRSI: Modular and Generalizable Recursive Harness Self-Improvement
- Title（参考訳）: ModularRSI: Modular and Generalizable Recursive Harness Self-Improvement
- Abstract要約: 我々は、一般化可能なハーネス進化のための、ベンチマーク非結合、コントラストおよびモジュラーフレームワークを提案する。
ModularRSIは、同じタスクに対する成功と失敗の軌跡を対比し、繰り返し発生する行動障害を特定するために、タスク全体で証拠を集約する。
進化可能なハーネスを,エージェントループ,ツール使用,監視管理,コンテキスト管理,タスク補完検出という,5つの機能モジュールに分解する。
- 参考スコア（独自算出の注目度）: 46.36989489677189
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent work extends recursive self-improvement (RSI) to agent harnesses for long-horizon coding and terminal tasks, enabling agents to improve execution mechanisms from experience. However, generalizable harness RSI remains challenging. First, evolving harnesses on evaluation benchmarks or their subsets makes it difficult to distinguish reusable improvements from benchmark-specific adaptation. Second, single-trajectory updates can conflate systematic harness deficiencies with instance-specific reasoning and solution details, producing modifications that transfer poorly to unseen tasks. Third, localizing recurring behavioral deficiencies within monolithic harnesses is difficult, while whole-harness optimization can entangle unrelated mechanisms and complicate attribution and validation. We propose ModularRSI, a benchmark-disjoint, contrastive, and modular framework for generalizable harness evolution. ModularRSI contrasts successful and failed trajectories for the same task and aggregates evidence across tasks to identify recurring behavioral deficiencies. It decomposes the evolvable harness into five functional modules: Agent Loop, Tool Use, Observation Management, Context Management, and Task Completion Detection. Each module evolves independently within a restricted modification scope, followed by an integration stage that combines the evolved modules into a unified harness and resolves potential conflicts. To support benchmark-disjoint evolution, we curate 2,000 executable evolution tasks from external sources that are disjoint from downstream evaluation benchmarks. Experiments on TB2.0 and SWE-Bench Verified show consistent improvements on unseen in-domain and cross-domain tasks, with the evolved harness also transferring across different foundation models.
- Abstract（参考訳）: 最近の研究は、再帰的自己改善(RSI)を拡張して、長期コーディングと終端タスクのためのハーネスをエージェントし、エージェントが経験から実行メカニズムを改善することができるようにしている。
しかし、汎用ハーネス RSI は依然として困難である。
まず、評価ベンチマークまたはそれらのサブセットの進化するハーネスにより、再利用可能な改善とベンチマーク固有の適応を区別することが困難になる。
第二に、単一軌道更新は、インスタンス固有の推論とソリューションの詳細を体系的に活用する欠陥を説明でき、目に見えないタスクに不適切な変更を発生させる。
第三に、モノリシックハーネス内の繰り返し発生する行動障害の局所化は困難であるが、全体ハーネス最適化は無関係なメカニズムを絡め込み、帰属と検証を複雑にすることができる。
一般化可能なハーネス進化のためのベンチマーク分離型,コントラスト型,モジュール型フレームワークであるModularRSIを提案する。
ModularRSIは、同じタスクに対する成功と失敗の軌跡を対比し、繰り返し発生する行動障害を特定するために、タスク全体で証拠を集約する。
進化可能なハーネスを,エージェントループ,ツール使用,監視管理,コンテキスト管理,タスク補完検出という,5つの機能モジュールに分解する。
各モジュールは、制限された修正範囲内で独立に進化し、その後に、進化したモジュールを統一されたハーネスに結合し、潜在的な衝突を解決する統合段階が続く。
ベンチマーク-不整合進化をサポートするため、下流評価ベンチマークから不整合な外部ソースから2000の実行可能な進化タスクをキュレートする。
TB2.0とSWE-Bench Verifiedの実験では、未確認のドメイン内タスクとクロスドメインタスクが一貫した改善が見られた。
関連論文リスト
- Ecdysis: Efficient and Effective Training of Runtime Harnesses for LLM Agents [25.41577484327689]
自己進化型ランタイムハーネスは、大規模言語モデル(LLM)エージェントの機能を大幅に改善することができる。
既存のハーネス進化法は反復探索に依存し、候補ハーネスの繰り返し評価と修正を行う。
Ecdysisは、モデル固有の宿泊施設と系統的なハーネス不足を区別する効率的かつ効果的なフレームワークである。
論文 参考訳（メタデータ） (2026-09-10T15:09:08Z) - MetaRSI / RSI2: A Meta-Recursive Self-Improving System for Recursive Self-Improving Systems Themselves [65.60481414910728]
再帰的な自己改善により、システムは自身の失敗からモデル構築機械を改善することができる。
しかし、RSIは、科学のQAや数学のようなコーディングと形式的なベンチマークにのみ検証されている。
RSIは次に、科学的、工学的、メタ科学的な領域にまたがって運用されなければならない、と我々は主張する。
本稿では,MetaRSI-v1を提案する。改良は,1つの統一パラダイム上での3つの型付き演算子のスケジュール構成である。
論文 参考訳（メタデータ） (2026-09-06T05:15:31Z) - MOAE: Multi-Objective Agent Evolution with Pareto-Preserving Search [5.257073134713488]
多目的エージェント進化(Multi-Objective Agent Evolution)は、完全エージェントロールアウト上のパレート保存進化探索として反復的インコンテキスト洗練を組織する。
この結果から,MOAE はタスク性能と軌道品質を安定的に向上すると同時に,適合したロールアウト予算下での安全性を維持していることがわかった。
論文 参考訳（メタデータ） (2026-09-05T09:31:34Z) - ARISE-RL: Agentic Rubric-Grounded Iterative Self-Evolution with Reinforcement Learning [74.19730275669227]
ARISE-RLは、オープンエンドエージェントをトレーニングするための新しいフルサイクルの自己進化フレームワークである。
Reward-Gated Self-Evolution Distillation (RG-SED)を提案する。
ECR-Benchは,シングルツールディープリサーチとマルチツールトラベルプランニングを対象とする,専門家校正型ルーリックベンチマークスイートである。
論文 参考訳（メタデータ） (2026-09-01T10:54:13Z) - HarnessEvolve: Learning from Reference Trajectories for Reliable Agent Self-Evolution [11.431479238875712]
我々は、信頼できるエージェントの自己進化を実現するために、参照軌道から学習する自己進化フレームワークであるHarnessEvolveを紹介する。
私たちは、さまざまなモデルとエージェントフレームワークを使用して、オープンドメインとエンタープライズシナリオにまたがるいくつかのベンチマークで広範な実験を行います。
結果は、HarnessEvolveがすべてのベンチマークと設定で、最先端のベースラインを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2026-09-01T07:31:18Z) - StarHarness: Evolving Harnesses with Stratified Search for Enterprise Environments [9.081306845678679]
本稿では,モデルウェイトを固定したまま環境特異的エージェントハーネスを進化させるフレームワークであるStarHarnessを紹介する。
進化したハーネスには、プロンプトとタスクフレーミング、ツールインターフェース、スキル、MPP支援プロバイダ、サブエージェント構造、エージェントループ構成が含まれる。
論文 参考訳（メタデータ） (2026-08-25T16:48:05Z) - Evo-Bench: Can Language Models Improve Agent Harness? [44.72089415085898]
Evo-Benchは、検索、オフィス、ジェネラルエージェントドメインにまたがるモデル固有のハーネス進化能力を評価するために設計された最初のベンチマークである。
トップモデルは16.6ポイントに達し、最先端の人間工学ベースラインに近づいた。
論文 参考訳（メタデータ） (2026-08-10T03:49:28Z) - Agentic Harness Engineering: Observability-Driven Automatic Evolution of Coding-Agent Harnesses [57.20181537213498]
Agentic Harness Engineering (AHE)は、ハーネスエンジニアリングを自動化するクローズドループである。
AHEは3つの一致した可観測性柱を通じて課題に対処する。
10 AHE lift pass@1 on Terminal-Bench 2 from 69.7% to 77.0%。
SWE-bench-verifiedでは、種子よりも12%少ないトークンで合計成功率を上回り、ターミナルベンチ2では+5.1から+10.1ppのクロスファミリーゲインを得る。
論文 参考訳（メタデータ） (2026-04-28T16:55:02Z) - AgentV-RL: Scaling Reward Modeling with Agentic Verifier [63.55502685076245]
試験時間スケーリング(TTS)によるLCM推論を強化する検証器が実証されている。
本稿では,報酬モデリングを多ターンツール拡張型検討プロセスに変換するフレームワークであるエージェント検証を提案する。
Agentic Verifier は並列およびシーケンシャルTS の両方で一貫した性能向上が得られることを示す。
論文 参考訳（メタデータ） (2026-04-17T12:27:36Z) - Towards Self-Evolving Benchmarks: Synthesizing Agent Trajectories via Test-Time Exploration under Validate-by-Reproduce Paradigm [60.36837655498119]
本稿では,トラジェクトリをベースとしたエージェント・ベンチマーク・複雑度進化フレームワークを提案する。
このフレームワークは、既存のベンチマークから元のタスクを受け取り、エージェントがそれをより難しい新しいタスクに進化させるよう促す。
GAIAベンチマークの実験では、TRACEフレームワークはタスクの複雑さを継続的に向上し、正確性の信頼性を向上させる。
論文 参考訳（メタデータ） (2025-10-01T01:52:52Z) - Sycophancy Mitigation Through Reinforcement Learning with Uncertainty-Aware Adaptive Reasoning Trajectories [58.988535279557546]
適応推論トラジェクトリを用いたtextbf sycophancy Mitigation を提案する。
SMARTは,分布外の入力に対して強い性能を維持しながら,サイコファンティクスの挙動を著しく低下させることを示した。
論文 参考訳（メタデータ） (2025-09-20T17:09:14Z)
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。