arXivは2026年10月26日(現地時間)、ウェイダン・タン (Weidong Tang) 氏らが、マルチモーダルエージェント向けの再帰的自己改善フレームワーク「The Trinity (ザ・トリニティ)」を発表した。このフレームワークは、異種環境構築のコストと手動ハーネス反復の限界という二つのボトルネックを解決することを目指す。The Trinityは、世界生成とハーネス進化を結合し、「クリエイター (Creator)」、「エクスプローラー (Explorer)」、「エボルバー (Evolver)」の三つの役割を通じて機能する。
The Trinityは、異なるモダリティや表面形式を持つタスクが共通の基盤能力要件を共有するという洞察に基づいている。エボルバーは、検証済みの実行軌跡を活用し、タスクの編成を表面カテゴリから共有される要件へと移行させることで、元のタスクツリーを階層的な能力ツリーに再編成する。
このフレームワークはケイパビリティドリブン・リアルツーシムツーリアル (Capability-Driven Real2Sim2Real)を導入する。これにより、クリエイターは同一ノード内の異種タスクの共通要件を抽象化し、能力学習のために簡素化され、検証可能なシミュレートされた世界を生成する。学習された能力の転移効果は、元のタスクでの評価を通じて測定される。
エクスプローラーは、能力ツリーに沿って選択的継承を通じて再利用可能な能力モジュールを段階的に進化させ、固定されたトポロジー内で反復的に更新が蓄積されるハーネスツリーを形成する。結果として得られるハーネスは異なる能力に特化しており、ケイパビリティアウェア・ハーネスルーター (Capability-Aware Harness Router)が公開タスク情報を用いてツリーから互換性のあるモジュール構成を選択する。
進化させたハーネスは、28の訓練ベンチマークにおいて平均性能を34ポイント改善し、18の未見ベンチマークにおいても平均26ポイントの改善を達成した。これには二つの実世界埋め込みタスクも含まれる。
参考: arXiv cs.AI (アーカイブ) — 2026年10月28日 13:00 (JST)
原文ハイライト"Capability-Driven Recursive Self-Improvement for Multimodal Agents"