論文の概要: HarnessMM: Recursive Self-Improvement for Harness Token Efficiency

• arxiv url: http://arxiv.org/abs/2610.32813v1
• Date: Fri, 23 Oct 2026 15:47:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.600558
• Title: HarnessMM: Recursive Self-Improvement for Harness Token Efficiency
• Title（参考訳）: HarnessMM: Harness Token効率のための再帰的な自己改善
• Abstract要約: エージェントは、以前の呼び出しですでに次のアクションが修正されている場合でも、ツールフィードバックの後に推論を繰り返し実行します。 本稿ではハーネスMM(Harness Minus Minus)を提案する。
• 参考スコア（独自算出の注目度）: 49.460099832360875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Agent harnesses repeatedly invoke reasoning after tool feedback, even when an earlier call has already fixed the next action. We introduce HarnessMM (Harness Minus Minus), a method for improving harness token efficiency through guarded decision reuse and recursive self-improvement (RSI). RSI iteratively refines companion harness configurations from training feedback, with validation selecting the configuration for deployment. A controller at the model-tool boundary reuses resolved decisions to replace later reasoning callbacks while actor weights remain fixed. Executable Decision Graphs store exact actions, literal arguments, causal dependencies, and public guards. Guarded Decision Reuse activates these persistent decisions from observed receipts; Certified Callback Substitution executes them through the native interface and records removal of the registered slow callback. New semantic decisions, unsupported evidence, and selector abstention invoke the original actor again. The representation restricts what feedback may change, while complete-task measurements establish quality and cost. On HumanEval, HarnessMM preserves Codex success at 90.82\% while reducing Tokens/task (k) from 66.72 to 47.02 (29.54\% saving). For DeepSeek Harness, success rises from 71.43\% to 85.71\% while Tokens/task (k) fall from 96.28 to 11.62 (87.93\% saving). A separate MBPP ablation measures 26.91\% lower cost than single-use graphs and 19.52\% lower cost than retained callbacks. These results establish guarded decision reuse as a practical way to reduce repeated reasoning in existing harnesses.
• Abstract（参考訳）: エージェントは、以前の呼び出しですでに次のアクションが修正されている場合でも、ツールフィードバックの後に推論を繰り返し実行します。 本稿では,保護された決定再利用と再帰的自己改善(RSI)を通じて,ハーネストークンの効率を向上させる手法であるHarnessMM(Harness Minus Minus Minus)を紹介する。 RSIは、トレーニングフィードバックからコンパニオンハーネス構成を反復的に洗練し、デプロイのための構成を選択する。 モデル-ツール境界のコントローラは、後の推論コールバックを置き換えるための決定を再利用するが、アクターの重みは固定されている。 Executable Decision Graphsには、正確なアクション、リテラル引数、因果依存性、パブリックガードが格納されている。 Certified Callback Substitutionは、ネイティブインターフェースを通じてそれらを実行し、登録された遅いコールバックの削除を記録する。 新たな意味決定、疑わしい証拠、セレクタの棄権は、元の俳優を再び呼び起こす。 この表現はフィードバックの変化を制限するが、完全なタスク測定は品質とコストを確立する。 HumanEvalでは、HarnessMMはコーデックスの成功率を90.82\%、Tokens/task(k)を66.72から47.02(29.54\%)に下げている。 DeepSeek Harnessでは、成功率は71.43\%から85.71\%に上昇し、Tokens/task (k)は96.28から11.62(87.93\%)に低下する。 別個のMBPPアブレーションは、シングルユースグラフよりも26.91\%、コールバックよりも19.52\%低いコストを計測する。 これらの結果は、既存のハーネスにおける繰り返し推論を減らすための実践的な方法として、ガード付き決定再利用を確立した。

関連論文リスト

• Self-Confirming Superposition Traps in Reinforcement Learning [62.71685993550818]
  強化学習はエージェントのポリシーによって選択されたデータに基づいて表現し、その結果のリターンを使って次の選択を導く。 これらのデータに対して表現フィッティングがグローバルに最適である場合でも,このループは低リターンポリシーを維持可能であることを示す。
  論文  参考訳（メタデータ） (2026-09-26T21:56:26Z)
• LAM: Efficient Lossy Agent Memory Framework With A Retrieval-Score Error Bound [15.472624227186941]
  3つのコンポーネントからなるLossy Agent Memoryシステムを提案する。 LAMは観測トークンの22.47%を除去し、測定されたゴールドパッチの証拠の99.984%を保持した。
  論文  参考訳（メタデータ） (2026-09-26T05:26:28Z)
• DRSR: Learning Set-Level Deletion Risk for Efficient Long-Horizon Agents [55.84813053778976]
  ロングホライゾン言語モデルエージェントは、現在の決定と関係が変化する推論の痕跡、ツール交換、観察を蓄積する。 直接セットリスクスコアは、削除セットの選択としてエージェント履歴圧縮リスクを定式化する。 メカニカル・アナリシスとアブリケーションは、決定に制約のある関係、保持されたコンテキスト情報、ペア・インタラクション、および棄権がそれぞれ信頼できるプルーニングに寄与していることを示している。
  論文  参考訳（メタデータ） (2026-09-23T03:06:01Z)
• 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)
• Dead text or binding clause? Measuring and restoring constraint influence in black-box LLM dialogues [0.0]
  マルチターンダイアログは、ユーザが制約を課すのと同じくらい簡単に取り消すことができるが、取り消しが確実に効果を発揮できない。 既存の手段では、条項ごとにこの影響を測定したり、納品前に予測したり、整合した予算の下で修復したりすることはない。 sysnameはモデルAPIだけで3つのギャップを埋める。
  論文  参考訳（メタデータ） (2026-08-12T21:12:32Z)
• From Faulty Memories to Corrected Actions: Dependency-Guided Rollback Repair for Memory-Augmented Agents [19.125716338799545]
  textbfdependency-guided rollback repairは、出所からの型付きメモリ対アクショングラフを構築し、明示的な下流依存性をトレースし、応答関連処理のみを選択的に再生する。 本手法は,3つのツール使用領域と4つのメモリ障害タイプにまたがる150ケースのベンチマークで評価する。
  論文  参考訳（メタデータ） (2026-08-11T05:19:55Z)
• Think Again or Think Longer? Selective Verification for Budget-Aware Reasoning [15.231928045776293]
  sevraは、凍結したソルバの初期応答を保存するか、アクティブな検証を実行するかを決定するサーブレイヤーコントローラである。 数学では、選択的検証は76.3%の精度で行われ、検証は常に75.5%である。 CommonsenseQAでは、常時オンの検証が問題になり、Self-Consistency@5では、実現したトークンコストの約5倍の精度が向上する。
  論文  参考訳（メタデータ） (2026-06-18T05:25:43Z)
• Fast Unlearning at Scale via Margin Self-Correction [52.46927918952516]
  言語モデルアンラーニングは、トレーニングモデルを更新して、選択したトレーニング例を見ていないかのように振る舞う。 MASCは、既存のベースラインの計算コストのごく一部で、競争力のある忘れがちなトレードオフを達成する。
  論文  参考訳（メタデータ） (2026-06-01T21:49:54Z)
• ANNEAL: Adapting LLM Agents via Governed Symbolic Patch Learning [12.44509691077682]
  本稿では,繰り返し発生する障害をプロセス知識グラフのシンボル編集に変換する神経シンボルエージェントであるANNEALを紹介する。 その中核となるメカニズムであるFDKA(Failure-Driven Knowledge Acquisition)は、責任のあるオペレータをローカライズし、制約付きLLM生成を通じて型付きパッチを合成し、提案を検証する。 4つのドメインと27のマルチシードランをまたいだANNEALは、永続的な構造修復を行う唯一の評価システムである。
  論文  参考訳（メタデータ） (2026-05-04T05:24:03Z)

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。