CoEvo-RSI、進化する実行ハーネスにモデルを適応

研究者らは、エージェントの実行ハーネス（動作を実行する仕組み）と基盤モデルの変更を連携させる、再帰的自己改善エージェント向けの枠組みCoEvo-RSIを発表しました。論文は「脳と身体の不一致」に対処します。ハーネスがモデルの未習得の動作を求めたり、モデルがすでに持つ能力を制限したりする問題です。CoEvo-RSIは過去の設計と実行フィードバックを蓄積し、メタエージェントがハーネスを開発し、モデルのチェックポイントを選択・統合して、選んだハーネスに合わせてモデルを適応させます。

著者らによると、CoEvo-RSIが使う学習方法は、自らの棄却サンプリング軌跡を用いた教師ありファインチューニングだけです。マルチエージェントの失敗原因の特定、役割を考慮したテキストからSQLへの変換、スマートホームの指示追従において、Qwen3.5-9Bがより大規模なモデルに匹敵したと報告しています。

TraceElephantでは、CoEvo-RSIはDeepSeek-V4-Proをエージェント精度で14.16上回りました。HomeBench VMでは、GLM-5.3を成功率で4.90上回っています。著者らは、過去の設計から双方向に継承することで、変化する実行要件にモデルの能力を合わせられることを示す結果だと述べています。論文は10月18日に公開され、10月21日にHugging Face Papersページへ投稿されました。

研究者らは、エージェントの実行ハーネス（動作を実行する仕組み）と基盤モデルの変更を連携させる、再帰的自己改善エージェント向けの枠組みCoEvo-RSIを発表しました。論文は「脳と身体の不一致」に対処します。ハーネスがモデルの未習得の動作を求めたり、モデルがすでに持つ能力を制限したりする問題です。CoEvo-RSIは過去の設計と実行フィードバックを蓄積し、メタエージェントがハーネスを開発し、モデルのチェックポイントを選択・統合して、選んだハーネスに合わせてモデルを適応させます。

著者らによると、CoEvo-RSIが使う学習方法は、自らの棄却サンプリング軌跡を用いた教師ありファインチューニングだけです。マルチエージェントの失敗原因の特定、役割を考慮したテキストからSQLへの変換、スマートホームの指示追従において、Qwen3.5-9Bがより大規模なモデルに匹敵したと報告しています。

TraceElephantでは、CoEvo-RSIはDeepSeek-V4-Proをエージェント精度で14.16上回りました。HomeBench VMでは、GLM-5.3を成功率で4.90上回っています。著者らは、過去の設計から双方向に継承することで、変化する実行要件にモデルの能力を合わせられることを示す結果だと述べています。論文は10月18日に公開され、10月21日にHugging Face Papersページへ投稿されました。