arXivは2026年10月20日(現地時間)、エージェントの命令、ツール、制御フローを最適化する「Agentic harness evolution（エージェンティック・ハーネス・エボリューション）」に関する研究論文を公開した。同論文は、タスクプールが拡大するにつれて既存手法の性能が低下するという課題を指摘し、この問題に対処するため「Successive Scale Racing（サクセシブ・スケール・レーシング、SSR）」と称する新しいフレームワークを提案している。
Jingzhe Liu氏ら複数の研究者によるこの論文は、自己改善型エージェントの開発において重要な概念であるAgentic harness evolutionの性能向上を目指す。この分野の主要な目的は、大規模言語モデル（LLM）のようなエージェントが、複雑なタスクを効率的に実行できるよう、その能力を最大限に引き出す最適な「ハーネス」（命令、ツール、制御フローの組み合わせ）を生成することにある。
既存のAgentic harness evolution手法は、タスク実行の経験を証拠として利用し、ハーネスの最適化を図る。しかし、先行研究では、タスクの多様性が増し、プールが拡大するにつれて、これらの手法の性能が低下するという「障害モード」が確認されていた。これは、最適化プロセスにおいて、タスクの難易度や関連性に見合わない劣悪な証拠が選択されてしまうことに起因すると分析されている。
提案されたSuccessive Scale Racing（SSR）フレームワークは、この課題を克服するために設計された。SSRは、進化の各ラウンドにおいて、最適な証拠の組み合わせを適応的に探索するメカニズムを導入している。具体的には、タスクの品質とカバレッジを基準として、多様な証拠の組み合わせを構築する。その後、限られた計算予算内で、これらの証拠に基づいて生成された候補となるハーネス群を効率的に「競わせる」ことで、最も有望なハーネスを特定する。
このレーシングメカニズムは、従来の厳密な検証プロセスを大幅に効率化する。SSRは、多数のタスク実行結果を並行して評価し、各ハーネスの潜在的な性能を早期に識別する能力を持つ。これにより、進化プロセス全体の速度が向上し、より少ない計算資源で高性能なハーネスを発見することが可能になる。
実験では、三つの異なるベンチマークにおいて、SSRがその優位性を示した。六つの評価設定全てで、SSRは最先端（state-of-the-art）の結果を達成している。特筆すべきは、タスクプールが40から200に増加するにつれて、SSRのパス率は64.3%から68.3%へと着実に向上したことである。これは、比較対象とした既存の全ての最適化手法が、タスクプール拡大時に性能低下を示した状況とは対照的だ。さらに、SSRのレーシングメカニズムは、検証実行を60%削減しながら、ほぼ最適な候補を特定できることも実証された。この効率性は、大規模なエージェントシステム開発において重要な利点となる。
参考: arXiv cs.AI — 2026年10月23日 13:00 (JST)