論文の概要: LiteEvo: Automated, Cost-Efficient Harness Evolution for Generalization to Unseen Tasks

• arxiv url: http://arxiv.org/abs/2609.33146v1
• Date: Sun, 27 Sep 2026 03:18:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:04:20.760032
• Title: LiteEvo: Automated, Cost-Efficient Harness Evolution for Generalization to Unseen Tasks
• Title（参考訳）: LiteEvo: 見えないタスクへの一般化のための自動化された費用効率の良いハーネス進化
• Abstract要約: LiteEvoは、ツールフリーなメタエージェントが再利用可能なコンポーネントのためにマイニングエージェントをトラジェクトリする軽量なハーネス進化アルゴリズムである。 ツールフリーなメタエージェントが再利用可能なコンポーネントのためにマイニングエージェントをトラジェクトリする軽量なハーネス進化アルゴリズムLiteEvoを提案する。
• 参考スコア（独自算出の注目度）: 8.481133435038839
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: An LLM agent is defined by two things: the weights inside its model and the harness of components assembled around it. Harnesses are still handcrafted, and HarnessX, which evolves them automatically, starts each benchmark from a handcrafted harness, reports gains on the tasks it evolved on, and budgets 100 to 175 million meta-agent tokens per benchmark. We propose LiteEvo, a lightweight harness-evolution algorithm whose tool-free meta-agents mine agent trajectories for reusable components, curate them into a versioned library, and compose each round's harness from it, starting every benchmark from the same neutral harness and never naming the benchmark. Evolving on the graded tasks of five agentic benchmarks with a frozen Qwen3.5-9B, LiteEvo lifts pass@2 by 10.5 to 67.7pp and reaches comparable or higher pass@2 than a reproduction of HarnessX (71.0 against 67.3 on average) at 13.0 lower mean API cost. Harnesses evolved on train tasks keep their gains on unseen test tasks of four benchmarks, and LiteEvo also lifts Claude Code with Sonnet 4.6 by 1.2 to 71.4pp.
• Abstract（参考訳）: LLMエージェントは、モデル内の重みと、その周辺に組み立てられたコンポーネントのハーネスの2つで定義される。 ハーネスはまだ手作りであり、自動的に進化するHarnessXは、各ベンチマークを手作りのハーネスから起動し、そのタスクの成果を報告し、ベンチマーク毎に100～1億7500万のメタエージェントトークンを予算として発行する。 ツールフリーなメタエージェントが再利用可能なコンポーネントのためにマイニングエージェントをトラジェクトリし、それらをバージョン管理ライブラリにキュレートし、各ラウンドのハーネスを構成する軽量なハーネス進化アルゴリズムLiteEvoを提案する。 フリーズされたQwen3.5-9Bを持つ5つのエージェントベンチマークのグレードされたタスクに基づいて、LiteEvoはpass@2を10.5から67.7pp上げ、13.0平均APIコストでHarnessX(平均で71.0対67.3)の再現よりも高いパス@2に達する。 列車の作業で発達したハーネスは、4つのベンチマークの見当たらないテストタスクで向上を維持し、LiteEvoはSonnet 4.6でClaude Codeを1.2から71.4ppに引き上げた。

関連論文リスト

• 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)
• DarwinX: Evolving Agent Harnesses Through Natural Selection [48.64258219266629]
  ダーウィンXは自己進化を、モデルが凍結されたハーネスの集団の選択として扱う。 一般的なエージェント能力はベンチマーク固有のパッチではなく、タスク、検証、ベースモデルの変更を生き残る。
  論文  参考訳（メタデータ） (2026-07-31T05:34:02Z)
• 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)
• 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)
• Meta-Harness: End-to-End Optimization of Model Harnesses [52.31507076660471]
  本稿では,大規模言語モデル(LLM)アプリケーションのためのコード検索を行う外部ループシステムであるMeta-Harnessを紹介する。 オンラインテキスト分類では、Meta-Harnessは4倍少ないコンテキストトークンを使用しながら、最先端のコンテキスト管理システムを7.7ポイント改善する。 検索強化数学推論では、200 IMOレベルの問題の精度を5つの保留モデルの平均4.7ポイント向上する。
  論文  参考訳（メタデータ） (2026-03-30T05:33:50Z)

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。