論文の概要: MILO: Automated Harness Discovery via Orchestrated Multi-Agent Evolution
- arxiv url: http://arxiv.org/abs/2609.38349v1
- Date: Tue, 29 Sep 2026 18:10:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-01 18:57:26.563137
- Title: MILO: Automated Harness Discovery via Orchestrated Multi-Agent Evolution
- Title（参考訳）: MILO: オーケストレーションされたマルチエージェント進化によるハーネス発見の自動化
- Abstract要約: エージェントハーネスを共進化させるMILOとその発見戦略を紹介する。
Terminal-Bench 2.1、PaperBench、DeepSWEの他、MILOが発見したハーネスは、最先端の8つのハーネスと6つの探索方法より優れている。
- 参考スコア（独自算出の注目度）: 26.24921704904483
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Modern agentic systems combine an AI model with a harness that controls execution and environmental interactions. Harness design strongly affects long-horizon performance, yet its combinatorial search space demands substantial human effort that must be repeated as models change. Existing automated methods explore this space narrowly, optimizing only components such as prompts or skills or becoming trapped by fixed, exploitative search strategies. We introduce MILO (Meta-evolutionary Island Orchestration), a framework that co-evolves agent harnesses and the strategy used to discover them. MILO combines: (i) hierarchical lineage memory over island-based trees, using rejected mutations as negative evidence; (ii) per-island mutator agents that rewrite complete harnesses using global search history and parent-specific feedback; and (iii) an orchestrator that adapts search through lineage grafting and speciation, mutator reassignment and curriculum revision. Across Terminal-Bench 2.1, PaperBench, and DeepSWE, MILO-discovered harnesses outperform eight state-of-the-art harnesses and six search methods using frontier (Opus 4.8) and open-weight (gpt-oss-120b) models. With Opus 4.8, MILO improves resolution over its initial harness by $+12.0\%$, $+28.3\%$, and $+10.3\%$, respectively, compared with best prior-search gains of $+4.5\%$, $+18.3\%$, and $0\%$. On Terminal-Bench 2.1, it achieves $86.1 \pm 2.0\%$, exceeding the official leaderboard's top entry ($83.8 \pm 2.3\%$) while using 26\% fewer tokens than its initial harness. On EinsteinArena open problems, MILO improves best-known upper bounds for Erdős minimum-overlap ($0.3808586 \to 0.3808568$) and the first and third autocorrelation inequalities ($1.50274365 \to 1.50274360$; $1.45081 \to 1.44889$).
- Abstract（参考訳）: 現代のエージェントシステムは、AIモデルと実行と環境相互作用を制御するハーネスを組み合わせる。
ハーネス設計は長期にわたる性能に強く影響するが、その組み合わせ探索空間は、モデルの変化に伴って繰り返されなければならない相当な人的努力を必要とする。
既存の自動化手法はこの領域を狭義に探索し、プロンプトやスキルなどのコンポーネントのみを最適化したり、固定的で悪用的な検索戦略によって閉じ込められたりしている。
エージェントハーネスを共進化させるMILO(Meta-evolutionary Island Orchestration)とその発見戦略を紹介する。
MILO が組み合わさる。
一 拒絶突然変異を否定的証拠として、島根樹上の階層的系統記憶
(二)グローバル検索履歴と親性フィードバックを用いて完全活用を書き換える地域ごとのミューテータエージェント
三 系統グラフト及び種分化、変異体再割り当て及びカリキュラムの改訂により検索を適応するオーケストラ
Terminal-Bench 2.1、PaperBench、DeepSWEの他、MILOが発見したハーネスは、最先端の8つのハーネスとフロンティア(Opus 4.8)とオープンウェイト(gpt-oss-120b)モデルを用いた6つのサーチ手法より優れている。
Opus 4.8では、MILOは最初のハーネスの解像度を$+12.0\%$、$+28.3\%$、$+10.3\%$で改善している。
Terminal-Bench 2.1では、公式のリーダーボードのトップエントリー(83.8 \pm 2.3\%$)を上回り、最初のハーネスよりも26\%少ないトークンを使用する。
EinsteinArena の開問題では、MILO はエルデシュの最小オーバーラップ (0.3808586 \to 0.3808568$) と第1および第3の自己相関不等式 (1.50274365 \to 1.50274360$; $1.45081 \to 1.44889$) の上限を改善している。
関連論文リスト
- MoMHa: Multi-Objective Optimization of LLM Harnesses over Accuracy, Safety, and Tokens [9.261624868201638]
我々は、プロンプト、ルート呼び出し、パースアウトプットを構成するモデルを取り巻くPythonのコードであるハーネスが、本質的にはマルチオブジェクトであるファーストクラスのデザインサーフェスであると主張している。
本稿では,ドメインごとの3つの目的(精度,行動安全,トークンコスト)をエージェント提案者によって探索するシステムであるMeta-Harnessを提案する。
論文 参考訳（メタデータ） (2026-09-25T08:16:56Z) - 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) - Automated Discovery Has No Universally Superior Harness [63.53666712024897]
我々はOpenEvolveスタイルの進化的探索とTT-Discoverサーチハーネスを構成成分に分解する。
12組のモデルプロブレムペアで30個の予算整合ハーネスを評価した。
論文 参考訳（メタデータ） (2026-07-20T17:59:37Z) - Where Does Harness-Optimization Value Live? Localized Gains and the Budget-Splitting Trap in Self-Evolving LLM Agents [0.0]
HARNESSEVOは、ハーネスを4つの分離可能なスロット(ロール、タスク-ストラテジー、ツール/フォーマット-ルール、制御)に分解する。
凍結した7Bバックボーンを持つALFWorldでは、HARNESSEVOはバイナリ全体の成功率を大幅に改善しない。
全体としては、ハーネスの価値は局所化され、均一な予算分割は積極的に有害であり、信用代入は構造化されたエージェント進化に先立つべきであることを示唆している。
論文 参考訳（メタデータ） (2026-06-25T00:45:13Z) - Attributing Emergence in Million-Agent Systems [68.53670424791751]
大規模言語モデル(LLM)は、個々のエージェントにおける人間のような推論と意思決定をシミュレートすることができる。
このような研究は、個々のエージェントにマクロな出現をもたらす必要がある。
Aumann--Shapley path-integral attribution to LLM-powered MAS at million-agent scale。
論文 参考訳（メタデータ） (2026-05-12T01:49:41Z) - 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) - RoboPhD: Evolving Diverse Complex Agents Under Tight Evaluation Budgets [0.2126018197183873]
本稿では,エロトーナメントの選択,EPA,グリーディヒルクライミングという3つの最適化パラダイムの体系的比較について述べる。
RoboPhDは、トレーニングとバリデーションの予算を分割する代わりに、トレーニングデータにEloコンペティションを使用してエージェントを同時に評価し、進化を促進する。
我々は、さまざまな複雑なエージェントを進化させるためのシンプルなOptimation_anything() APIを使って、MITライセンスの下で汎用ツールキットとしてRoboPhDをリリースした。
論文 参考訳（メタデータ） (2026-04-06T01:39:13Z) - 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) - Error Typing for Smarter Rewards: Improving Process Reward Models with Error-Aware Hierarchical Supervision [20.09181711927194]
PathFinder-PRMは,新しい階層型,誤り認識型識別型PRMである。
PRMBenchでは、PathFinder-PRMが67.7の最先端PRMSコアを新たに達成し、3倍の少ないデータを使用しながら、以前の最高値(65.5)を上回った。
論文 参考訳（メタデータ） (2025-05-26T08:56:36Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳（メタデータ） (2021-07-08T18:01:02Z)
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。