論文の概要: Harness^2: Recursive Agent Harnessing for an Open World

• arxiv url: http://arxiv.org/abs/2610.14224v1
• Date: Fri, 09 Oct 2026 18:34:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.023205
• Title: Harness^2: Recursive Agent Harnessing for an Open World
• Title（参考訳）: Harness^2: Recursive Agent Harnessing for a Open World
• Abstract要約: LLMエージェントの機能は、基盤となるモデルだけでなく、実行ハーネスにも依存する。 再帰的自己改善(RSI)は、これらのハーネスを自動的に進化させる有望なアプローチを提供する。 しかし、RSIをオープンな環境に配置することは、依然として2つの重要な課題に直面している。
• 参考スコア（独自算出の注目度）: 55.56897611771934
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LLM agents' capabilities depend not only on their underlying models but also on their execution harnesses. Recursive self-improvement (RSI) offers a promising approach to automatically evolve these harnesses. However, deploying RSI in open-world settings still faces two critical challenges. First, open-world tasks are typically unseen during the harness design phase and novel at test time, leaving no ground-truth verifiers to reliably guide online harness edits. Second, the RSI process remains highly task-specific and fails to generalize to novel scenarios. We introduce Harness^2, a plug-and-play, recursive agent harnessing framework that addresses these challenges through two connected levels of recursion. Task-level recursion refines the current task's harness using a contrastive Propose-Probe-Compose step that reliably guides edits without ground-truth verifiers, and can be scaled further via parallel or sequential recursion. Harnessing-level recursion then extracts experience from these edits to update a continual improvement harness, enabling the agent to better adapt to future tasks. Across three professional benchmarks and four model-harness configurations, a single step consistently improves GLM-5 and Gemini 3.5 Flash over their base harnesses, yielding gains of up to 11.5 points on WorkBuddy-Bench, 4.5 points on JobBench, and 11.8 percentage points on LAB, with further gains as the task-level recursion budget increases.
• Abstract（参考訳）: LLMエージェントの機能は、基盤となるモデルだけでなく、実行ハーネスにも依存する。 再帰的自己改善(RSI)は、これらのハーネスを自動的に進化させる有望なアプローチを提供する。 しかし、オープンワールド環境でのRSIのデプロイは、2つの重要な課題に直面している。 第一に、オープンワールドのタスクは通常、ハーネス設計段階では見つからず、テスト時に新規で、オンラインハーネスの編集を確実にガイドする真真正性検証器は残っていない。 第二に、RSIプロセスは非常にタスク固有であり、新しいシナリオへの一般化に失敗する。 プラグアンドプレイで再帰的なエージェントのフレームワークであるHarness^2を導入し、2つの接続された再帰レベルを通してこれらの課題に対処する。 タスクレベルの再帰は対照的なPropose-Probe-Composeステップを使用して現在のタスクのハーネスを洗練します。 ハーネスレベル再帰(Harnessing-level recursion)は、これらの編集から経験を抽出して継続的な改善ハーネスを更新し、エージェントが将来のタスクに適応できるようにする。 3つのプロのベンチマークと4つのモデルハーネス構成で、単一のステップでGLM-5とGemini 3.5 Flashがベースハーネスよりも一貫して改善され、WorkBuddy-Benchで11.5ポイント、JobBenchで4.5ポイント、LABで11.8ポイント、タスクレベルの再帰予算が増加するにつれてさらに向上した。

関連論文リスト

• Recursive Harness Self-Improvement for Frontier Reasoning Data Synthesis [25.248058998960648]
  推論データ合成におけるタスクハーネス共進化について述べる。 オンライン自己改善は、中間解決器の故障を生成時に再利用可能なスキルに変換する。 数学、コーディング、科学全般において、平均解法精度は14回の進化ラウンドで100.0%から54.8%に低下する。
  論文  参考訳（メタデータ） (2026-10-02T16:30:15Z)
• 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)
• 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)
• AutoSaddler: Automatic Harness Optimization with Durable Updates from Agent Execution Traces [61.51487329124135]
  AutoSaddlerは、オフラインの学習問題として改善を活用するフレームワークである。 ミニバッチからの障害信号を使用して、ハーネスを反復的に更新する。 GAIA2, SWE-Bench Pro, Terminal-Bench 2.0 の実験により, AutoSaddler はエージェント性能を大幅に向上することが示された。
  論文  参考訳（メタデータ） (2026-08-24T09:45:08Z)
• Harness-R1: Learning to Edit Executable Runtime Harnesses from Agent Failure Trajectories [41.919231699460944]
  Harness-R1は、既存の実行ランタイムのエラー条件付きライフサイクルワイドな編集を学習機能を提供する最初の方法です。 オンラインの強化学習を専門とするハーネスエンジニアをポストトレーニングし、その編集は、彼らが実現したタスク成功のために最適化される。 WebShop、ALFWorld、DBBenchの他、Harness-R1はバニラQwen3.5-9Bを44.3%から53.6%に引き上げている。
  論文  参考訳（メタデータ） (2026-08-03T14:12:18Z)
• 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)

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。