論文の概要: How Much of a Harness Does a Strong Agent Need for Autonomous ML Engineering?

• arxiv url: http://arxiv.org/abs/2609.40303v1
• Date: Wed, 30 Sep 2026 17:51:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.279249
• Title: How Much of a Harness Does a Strong Agent Need for Autonomous ML Engineering?
• Title（参考訳）: 自律型MLエンジニアリングに強力なエージェントはどの程度のハーネスを必要とするか?
• Abstract要約: 我々は、機械層が符号化エージェントの設定において冗長になると主張している。 我々は、手作りのハーネスを強力なモデルに組み込むことに費やした労力が、現在のMLEベンチマークのリターンを損なうと結論付けた。
• 参考スコア（独自算出の注目度）: 46.11895879786642
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent autonomous machine learning engineering (MLE) agents have made significant progress on public leaderboards. Often motivated by progress stagnation over long-horizon cycles and limited Large Language Model (LLM) primitives, modern MLE agents are deployed on top of increasingly elaborate machinery: multi-agent orchestrators, dedicated retrieval subagents, and more. While such harnesses expand, the use of more primitive but improved coding agents - where LLMs have direct access to the execution environment through read, write, and bash primitives - has received little attention in the field. In this paper we find that, under an equal time budget and the same frontier LLM backbone, open-source state-of-the-art harnesses provide no advantages over a single session of a minimal-harness coding agent baseline, pointing to the backbone as the primary driver for performance. Via a series of large-scale systematic ablation studies, we argue that the machinery layers become redundant in the coding agent setting. We conclude that the effort spent elaborating hand-crafted harnesses around strong models yields poor returns for current MLE benchmarks.
• Abstract（参考訳）: 最近の自律機械学習エンジニアリング(MLE)エージェントは、公共のリーダーボードに大きな進歩を遂げている。 長い水平周期とLLM(Large Language Model)プリミティブの進行の停滞により、現代のMLEエージェントは多エージェントオーケストレータ、専用の検索サブエージェントなど、より精巧な機械の上に展開されることが多い。 このようなハーネスは拡大するが、よりプリミティブで改善されたコーディングエージェント – LLMは読み取り、書き込み、およびbashプリミティブを通じて実行環境に直接アクセスすることができる – の使用は、この分野ではほとんど注目されていない。 本稿では,同一の時間予算と同一のフロンティアLLMバックボーンの下では,オープンソースの最先端ハーネスは,最小ハーネス符号化エージェントベースラインの単一セッションに対して,バックボーンをパフォーマンスの第一ドライバとして示すという利点を示さない。 一連の大規模体系的アブレーション研究により, 機械層は符号化エージェント設定において冗長になると主張している。 我々は、手作りのハーネスを強力なモデルに組み込むことに費やした労力が、現在のMLEベンチマークのリターンを損なうと結論付けた。

関連論文リスト

• Agentic ML Exploration (A-MLE) for Ads Ranking [15.303958185909982]
  Agentic ML Explorationは、広告ランキングモデルのポートフォリオにわたって、MLテクニックを体系的に探求する。 A-MLEはMLイテレーションを仮説生成、探索戦略、実験実行、結果分析、共有知識基板を含む5つのステージに分解する。 大規模広告ランキングモデルの代表的な集合にA-MLEをデプロイし、それを階層化された機能フレームワークで評価する。
  論文  参考訳（メタデータ） (2026-09-08T04:48:03Z)
• MLEvolve: A Self-Evolving Framework for Automated Machine Learning Algorithm Discovery [36.12600393708582]
  大規模言語モデル(LLM)エージェントは、科学的な発見や機械学習工学のような長期的タスクにますます応用されている。 エンド・ツー・エンドの機械学習アルゴリズム発見のための,LLMベースの自己進化型マルチエージェントフレームワークであるMLEvolveを提案する。
  論文  参考訳（メタデータ） (2026-06-04T17:55:59Z)
• AutoMLGen: Navigating Fine-Grained Optimization for Coding Agents [27.864519204078004]
  大規模言語モデル(LLM)は、一般的なプログラミングタスクにおいて印象的なパフォーマンスを示している。 我々は、高品質な事前ガイダンスのためのドメイン知識ベースを統合するLLMベースのコーディングエージェントであるAutoMLGenを紹介する。 以上の結果から,AutoMLGenは平均メダル率や有効な応募率など,数多くの分野で最先端のパフォーマンスを実現していることがわかった。
  論文  参考訳（メタデータ） (2025-10-09T17:45:05Z)
• Multi-Agent Tool-Integrated Policy Optimization [67.12841355267678]
  大規模言語モデル(LLM)は、知識集約的かつ複雑な推論タスクに対して、多ターンツール統合計画にますます依存している。 既存の実装は通常、単一のエージェントに依存するが、コンテキスト長とノイズの多いツールレスポンスに悩まされる。 ツール統合マルチエージェントフレームワークの効果的な強化学習をサポートする方法はない。
  論文  参考訳（メタデータ） (2025-10-06T10:44:04Z)
• SFR-DeepResearch: Towards Effective Reinforcement Learning for Autonomously Reasoning Single Agents [93.26456498576181]
  本稿では,ディープリサーチのためのネイティブ自律単エージェントモデルの開発に焦点をあてる。 我々の最良の変種であるSFR-DR-20Bは、HumanityのLast Examベンチマークで28.7%に達する。
  論文  参考訳（メタデータ） (2025-09-08T02:07:09Z)
• R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science [70.1638335489284]
  高レベルの機械学習エンジニアリングタスクは、労働集約的で反復的である。 機械学習プロセスを形式化する包括的で分離されたフレームワークであるR&D-Agentを紹介します。 R&D-AgentはMLEを2つのフェーズと6つのコンポーネントに定義し、MLEのエージェント設計を原則としてテスト可能なプロセスに変える。
  論文  参考訳（メタデータ） (2025-05-20T06:07:00Z)
• LARM: Large Auto-Regressive Model for Long-Horizon Embodied Intelligence [68.27280750612204]
  最近のエンボディエージェントは、主に強化学習(RL)または大規模言語モデル(LLM)に基づいて構築されている。 本研究では, 提案したレフェリーRLを, 開発した大規模自己回帰モデル(LARM)上で実施することにより, 欠点を回避しつつ, それらの利点を組み合わせる。 具体的には、LARMは軽量なLLM(5Bパラメータよりも小さい)上に構築され、テキストではなく次のアクションを直接出力する。
  論文  参考訳（メタデータ） (2024-05-27T17:59:32Z)

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。