論文の概要: Mixture of Self-Improving Branches For Agent Harness Optimization
- arxiv url: http://arxiv.org/abs/2609.37834v1
- Date: Tue, 29 Sep 2026 15:37:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.692811
- Title: Mixture of Self-Improving Branches For Agent Harness Optimization
- Title（参考訳）: エージェントハーネス最適化のための自己改善枝の混合
- Abstract要約: Meta-Harnessのような最近の研究は反復的なコード生成と評価を実装しているが、固定された開発セットと提案ポリシーを維持している。
我々は、開発サブセットと提案ポリシーを進化させたブランチに探索を整理することで、改善プロセス自体を適応させる。
本システムでは,オリンピアードレベルの数学的推論では34.8%,ターミナルベンチ2.0では11.6%,SWEベンチライトでは3.8%,メタハーネスでは34.8%の相対的な改善を実現している。
- 参考スコア（独自算出の注目度）: 25.920673631950603
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Harness optimization provides a practical setting for recursive self-improvement (RSI), where agent-generated modifications inform subsequent changes through execution feedback. Recent work such as Meta-Harness implements this process through iterative code generation and evaluation, but retains a fixed development set and proposal policy. These constraints channel evolution along a single search trajectory, increasing the risk of converging to a local optimum. We make the improvement process itself adaptive by organizing search into branches with evolving development subsets and proposal policies. Each branch retains development cases solved by more of its leading harnesses than by those of other branches, drops cases solved by every leading harness across all branches, and revises its proposal policy using its own search history. To deploy the resulting complementary harnesses, we propose a router to select one development-selected branch head for each new input before execution. Across mathematical reasoning and agentic coding benchmarks, our system achieves relative improvements over Meta-Harness of 34.8% on Olympiad-level mathematical reasoning, 11.6% on Terminal-Bench 2.0, and 3.8% on SWE-bench Lite, with harness selection and router configuration based solely on development data. These results show that evolving branch objectives and proposal policies can yield complementary harnesses whose strengths a router combines without access to test outcomes.
- Abstract（参考訳）: Harness Optimizationは再帰的自己改善(RSI)のための実用的な設定を提供する。
Meta-Harnessのような最近の研究は、反復的なコード生成と評価を通じてこのプロセスを実装しているが、固定された開発セットと提案ポリシーを維持している。
これらの制約チャネルは単一の探索軌道に沿って進化し、局所的な最適値に収束するリスクが増大する。
我々は、開発サブセットと提案ポリシーを進化させたブランチに探索を整理することで、改善プロセス自体を適応させる。
各ブランチは、他のブランチよりも多くのリードハーネスによって解決された開発ケースを保持し、すべてのブランチでリードハーネスによって解決されたケースをドロップし、独自の検索履歴を使用して提案ポリシーを改訂する。
提案するルータは,実行前に新しい入力毎に1つの開発選択された分岐ヘッドを選択する。
数学的推論とエージェントコーディングのベンチマークにより,Olympiadレベルの数学的推論では34.8%,ターミナルベンチ2.0では11.6%,SWEベンチライトでは3.8%でメタハーネスを相対的に改善した。
これらの結果から, ルータの強度が相補的なハーネスを, テスト結果にアクセスできることなく実現できることが示唆された。
関連論文リスト
- RRSI: Regularized Recursive Self-Improvement of Agent Harnesses [76.77275934611428]
正規化再帰的自己改善型エージェント・ハーネス(RRSI)
本稿では、正規化の原則を取り入れたRRSIを紹介し、進化候補の提案と選択を制約することで自己改善を活用する。
RRSIは5つのアウト・オブ・ディストリビューション・ベンチマークで14.1ポイント、最大4.7ポイントを獲得し、非正規化進化よりも30%少ないポリシートークンで動作するハーネスを生産している。
論文 参考訳（メタデータ） (2026-09-21T17:54:49Z) - 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) - HarnessOpt-Bench: Evaluating LLMs at Harness Optimization [3.846854817984248]
高価な評価体制下でのエンド・ツー・エンドのハーネス最適化のためのベンチマークを導入する。
信頼された実行環境は、評価境界、ターゲットエージェントリソースの使用を強制し、監査のための候補バージョンを保存する。
実験結果から、モデルはコードハーネスよりも分離され、ネイティブハーネスは一貫して優れておらず、タスク間で利得が大きく異なることがわかった。
論文 参考訳（メタデータ） (2026-08-06T17:21:05Z) - RecHarness: A Bandit-Routed Agentic Harness for Self-Evolving Recommender Systems [13.996058312764534]
RecHarnessは、自動レコメンデータモデル最適化のためのBandit-Routed Agentic Harnessである。
最適化プロセスを2つのステップに分割する: 履歴検証フィードバックに従って、バンドルータが次の修正方向を選択する。
長距離探査を継続するため、RecHarnessはジャンプベース機構を使用して、局所的な編集が停滞すると構造ジャンプアームを起動する。
論文 参考訳（メタデータ） (2026-07-31T10:15:38Z) - Do Agent Optimizers Compound? A Continual-Learning Evaluation on Terminal-Bench 2.0 [53.71882250666667]
エージェント最適化法で報告されているほとんどの利得はワンショットである。
これは、デプロイされたエージェントにとって重要な設定をテストするものではない。
エージェントハーネス最適化に対する3つのアプローチを比較する。
論文 参考訳（メタデータ） (2026-07-15T16:36:04Z) - Evolving Agents in the Dark: Retrospective Harness Optimization via Self-Preference [51.55077364626896]
本稿では,過去の軌道のみを用いたエージェント・ハーネスを最適化する自己教師型手法であるRetrospective Harness Optimization (RHO)を紹介する。
RHOは、過去の軌跡から様々な課題のコアセットを選択し、それらを並列に解決する。
1回の最適化ラウンドでは、SWE-Bench Proのパスレートが59%から78%に向上する。
論文 参考訳（メタデータ） (2026-06-04T09:26:00Z) - 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)
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。