エージェンティックRL向けハーネス、学習・進化するプログラムとして再構築
「ModHarness-RL: Recasting Harnesses as Learnable and Evolving Programs for Agentic RL」と題された論文は11月13日(現地時間)、エージェンティック強化学習 (RL) におけるモデルの相互作用とガイダンスを決定する「ハーネス」を、データから学習し、RL訓練中に進化するプログラムとして再構築する手法「モッドハーネスRL (ModHarness-RL)」を提案した。この手法は、従来の固定された手書きハーネスの限界を解決し、モデルの振る舞いの変化に適応することを目指している。