論文の概要: L3M: A Verifiable Harness and Runtime for Self-Extending and Self-Improving Agents

• arxiv url: http://arxiv.org/abs/2610.19591v1
• Date: Wed, 14 Oct 2026 05:03:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 12:10:45.446298
• Title: L3M: A Verifiable Harness and Runtime for Self-Extending and Self-Improving Agents
• Title（参考訳）: L3M: 自己拡張型および自己改善型エージェントのための検証可能なハーネスと実行時
• Abstract要約: L3Mは、ある言語がハーネスを実装し、不変性を記述するという前提で構築されたランタイムであり、言語エージェントがそれを拡張している。 1つの計算は人間、エージェント、モデル、コードにまたがる。 ターミナルベンチでは、未調整のL3Mが安全ツールのみを使用してシェル装備のパスレートの約3分の2に達する。
• 参考スコア（独自算出の注目度）: 4.31785433770184
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The lasting gains in AI have come from methods that absorb more computation, and language models already scale computation within a call. Useful work, though, happens across calls: over hours or days, through tools and external systems, among many agents and the humans they work for, and increasingly through code the agents write themselves. Whether that work compounds is enabled by the harness around it, and the harness faces a constraint the model does not: of the three participants in such a computation, the human, the model and code, only the human's attention does not scale, so the computation can grow only if the human is not in every loop. L3M is a runtime built on that premise, written in Lean 4 so that one language implements the harness, states its invariants, and is the language agents extend it in. One computation spans humans, agents, models and code, and all of its state lives in Git: a rich state trajectory -- rather than a chat conversation -- is an object the runtime can resume, rewind, fork, compare and merge. Waiting, communication, delegation and undo are primitives, not patterns the model reasons through each time. When an agent works out a procedure, it can write it once as a sealed Lean program whose type is its permission request, and the harness offers it back as a tool -- machinery for the model to use. To take the human out of the loop, L3M uses reversibility to decide where that is safe: a tool's review tier follows from how far its effects can be undone, so agents act freely where the runtime can recover. Because the machinery can change, the properties that make this safe are stated as kernel-checked theorems about the code that runs. On Terminal-Bench, an untuned L3M reaches about two thirds of its (unsafe) shell-equipped pass rate using only safe (not needing human review) tools.
• Abstract（参考訳）: AIの継続的な進歩は、より多くの計算を吸収するメソッドによるものであり、言語モデルはコール内ですでに計算をスケールしている。 しかし、便利な仕事は、数時間から数日、ツールや外部システムを通じて、そして彼らが働く多くのエージェントや人間の間で起こる。 作業化合物が周囲のハーネスによって有効化され、ハーネスがモデルに縛られない制約に直面している:そのような計算に参加する3人の参加者のうち、人間、モデル、コードのうち、人間の注意だけがスケールしないため、計算はすべてのループに含まれていない場合にのみ成長する。 L3Mは、その前提に基づいて構築されたランタイムで、Lean 4で書かれており、1つの言語がハーネスを実装し、不変性を記述し、言語エージェントがそれを拡張している。 リッチなステートトラジェクトリ -- チャット会話ではなく -- は、ランタイムが再開、再開、フォーク、比較、マージ可能なオブジェクトである。 待ち時間、コミュニケーション、デリゲート、そしてアンドはプリミティブであり、毎回モデル上の理由をパターン化するものではない。 エージェントが手続きを実行すると、その型が許可要求であるシールされたリーンプログラムとして1回書くことができ、ハーネスはそれをツールとして -- 使用するモデルのための機械として提供する。 L3Mは、人間をループから外すために、それが安全な場所を決定するために可逆性を使用する: ツールのレビュー層は、その効果がどこまで取り除かれるかから従うので、エージェントはランタイムが回復できる場所で自由に行動する。 機械は変更できるため、これを安全にする性質は、実行するコードに関するカーネルチェックされた定理として記述される。 Terminal-Benchでは、修正されていないL3Mは、安全(人間によるレビューを必要としない)ツールのみを使用して、(安全でない)シェル装備のパスレートの約3分の2に達する。

関連論文リスト

• SEAR: Self-Evolving Agentic Robotics [23.247349010987023]
  SEAR(Self-Evolving Agentic Robotics)は,2つの質問に基づいて構築されたフレームワークとベンチマークである。 エージェントは本当に学習しているのか、それとも、もっと頻繁に試すのか?そして、新しいタスク、新しいシミュレーター、そして本物のロボットで、その学習が役立つのか? フレームワークはエージェントを3つのモードで実行する: ポリシー(コード・アズ・ポリティクス)となるコードを書き、コントロールループ(エージェント・アズ・ポリティシー)に生きるか、あるいは視覚言語アクションモデル(自動検索)を微調整する研究者として働く。
  論文  参考訳（メタデータ） (2026-10-13T17:40:20Z)
• Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement [48.15578211739314]
  我々は,ロボット,環境,タスク状態の計測と追跡を行うCode-Only-as-Policyを提案する。 VLAやAgen Harnessesと比較すると、COAPの利点は3つある。 (i) Explicit State: 状態はコードに格納できる; (ii) 実行: コードが決定を制御可能とし、障害から柔軟に回復し、高速で安価にオンラインで実行される。 RoboDojoの42のバイマニュアルタスクでは、テスト時にモデルなしで結果のライブラリが70.24%の成功率に達する。
  論文  参考訳（メタデータ） (2026-10-08T17:29:08Z)
• 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)
• Dr. Claw: An AI Scientist Workspace for Vibe Research [64.18459471289147]
  Claw博士はオープンソースのワークスペースで、既存のコーディングエージェントエグゼキュータを制御可能なヒューマン・イン・ザ・ループワークフローでラップする。 永続状態オブジェクト、再利用可能なスキルライブラリ、マルチエグゼクティブコーディネーションは、人間の決定とAIの実行を結びつける。 Claw博士は、監査可能な、回復可能なプロセストレイルを維持しながら、研究の完全性により高いスコアを付けます。
  論文  参考訳（メタデータ） (2026-08-31T20:58:47Z)
• The Empire, Long Divided, Must Unite: Architectural Convergence in Three LLM Agent Harnesses [0.0]
  本稿では、意図的に反対する哲学から構築された3つのオープンコーディングエージェントハーネスについて、ソースレベルのマルチケーススタディを提案する。 2つの成熟したハーネスは反対方向に移動したが、5つの繰り返し要素の1つのアーキテクチャの中間形態に向かって収束していることがわかった。 第3のハーネスはその後、ホールドアウトチェックとして読み上げられ、全5つを示し、1つのシームは別の実装をそのまま再利用する。
  論文  参考訳（メタデータ） (2026-08-25T01:26:41Z)
• Prime Agent: A Self-Improving RLM Harness [5.540645425386541]
  Prime Agentは、長期評価とコーディングエージェントのためのオープンソースのハーネスである。 ストラテジ構築をモデルに残しながら、実行、リカバリ、検証、リソース会計を標準化する。 Prime AgentはARC-AGI-3 RHAE Best@1を30%から95.5%に引き上げ、ネイティブやポピュラーなハーネスを超えている。
  論文  参考訳（メタデータ） (2026-08-24T17:54:19Z)
• LACUNA: Safe Agents as Recursive Program Holes [3.2613419151327343]
  LLMエージェントはますますコードを記述することで振る舞うが、エージェントを駆動するランタイムとモデルが記述するコードの間には分割が持続する。 我々は、安全性を維持しながら、この分割を閉じるエージェントのためのプログラミングモデルであるLACUNAを紹介する。 我々のプリミティブは、通常の制御フローとしてReActループ、サブエージェント、スキル、並列分解、マルチモデル計画を表現する。
  論文  参考訳（メタデータ） (2026-05-27T15:27:25Z)
• Code as Agent Harness [107.31925305395957]
  新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。 コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。 この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
  論文  参考訳（メタデータ） (2026-05-18T17:59:03Z)
• Natural-Language Agent Harnesses [9.79040667445465]
  我々は、編集可能な自然言語でハーネスを表現するtextbfNatural-Language Agent Harnesses (NLAHs) と、明示的なアーティファクト、耐久性のあるアダプタ、軽量アダプタを通じてこれらのハーネスを実行する共有ランタイム textbfIntelligent Harness (IHR) を紹介する。
  論文  参考訳（メタデータ） (2026-03-26T17:58:15Z)
• AgentMath: Empowering Mathematical Reasoning for Large Language Models via Tool-Augmented Agent [80.83250816918861]
  o3やDeepSeek-R1のようなLarge Reasoning Models (LRM)は、長いチェーン・オブ・シークレットを持つ自然言語推論において顕著な進歩を遂げている。 しかし、計算的に非効率であり、複雑な数学的操作を必要とする問題を解く際には精度に苦しむ。 本稿では,言語モデルの推論能力とコードインタプリタの計算精度をシームレスに統合するエージェントフレームワークであるAgentMathを紹介する。
  論文  参考訳（メタデータ） (2025-12-23T19:57:49Z)
• AI Agents as Universal Task Solvers [94.49762121230042]
  我々は,過去のデータを用いて,普遍的な解法が達成できる最適なスピードアップが,アルゴリズム情報と密接な関係があることを示す。 我々は、推論モデルをスケールする際に最適化する重要な量は時間であり、学習における重要な役割は、これまでは間接的にのみ考慮されてきたと論じている。
  論文  参考訳（メタデータ） (2025-10-14T02:17:54Z)

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。