注目★★★★★Hugging Face Papers
RRSI、Agent harnessを再帰改良しOOD性能4.7点向上
30秒で把握
- 1RRSIがAgent harnessの再帰改良を正則化しOOD性能を最大4.7点向上
- 28ベンチマークで進化対象splitは最大14.1点向上しpolicy tokenを30%削減
- 3criticとprunerが固有最適化や高コスト変更を除外し再利用性を確保
要約
RRSIは、LLM agentのprompt・制御フロー・tooling・memory・context管理を含むharnessを、過学習を抑えながら再帰的に改良する手法だ。候補生成では編集数の予算を段階的に絞り、進化履歴に基づいて未探索の変更を促す。選択段階ではcriticがベンチマーク固有の提案を除外し、prunerが小さすぎる変更や高コストで不要になった変更を削る。8ベンチマークで、進化対象のsplitは最大14.1点、OODの5ベンチマークは最大4.7点向上し、未正則化手法よりpolicy tokenを30%削減した。
あなたへの影響
Agent harnessを自動改良するチームは、RRSIのcritic・pruner・編集予算による制御を次スプリントで評価し、OOD性能とpolicy token消費を比較すべきだ。
推奨：ベンチマーク固有の最適化を避ける仕組みとして、再現実験では進化対象外の評価セットを分離する必要がある。