公開：2026年10月15日, 最終更新：2026年10月15日
30秒サマリー
- LLMエージェントの実行基盤（ハーネス）を再帰的に自己改善するフレームワーク「Harness²」が論文で提案された
- 正解データ不要の「Propose-Probe-Compose」手法で未知タスクにも対応し、経験を蓄積して汎化する二層構造が特徴
- GLM-5・Gemini 3.5 Flashを対象とした3つの業務系ベンチマークで最大11.8ポイントの性能向上を確認
何が起きたか
arXivに2026年10月9日付で投稿された論文「Harness²: Recursive Agent Harnessing for an Open World」は、LLMエージェントの実行環境（ハーネス）を再帰的に自己改善（RSI）するフレームワークを提案している。著者はRuiyao Xuら9名で、Google・企業系研究者を含むとみられる（所属の詳細は原文に明記なし）。
従来のRSIアプローチが抱える二つの課題、すなわち「ハーネス設計時に未見のオープンワールドタスクに対して正解ベースの検証器が使えない」「タスク固有すぎて新規シナリオに汎化しない」を解決することを目的としている。
Harness²は二層の再帰構造を持つ。タスクレベルの再帰では、正解検証器なしにハーネスの修正を導く「Propose-Probe-Compose（提案・探索・合成）」ステップを採用し、並列または逐次の再帰によってさらなるスケールアップが可能とされる。ハーネスレベルの再帰では、タスクごとの編集経験を抽出して「継続的改善ハーネス」を更新し、将来のタスクへの適応力を高める設計となっている。
3つの業務系ベンチマーク（WorkBuddy-Bench、JobBench、LAB）と4種のモデル・ハーネス構成での評価では、1ステップの再帰のみでGLM-5およびGemini 3.5 Flashのベースラインに対してWorkBuddy-Benchで最大11.5ポイント、JobBenchで4.5ポイント、LABで11.8ポイントの改善が報告されている。タスクレベルの再帰予算を増やすとさらなる向上も確認されている。
原典ハイライト
「正解ベースの検証器なしにハーネス編集を信頼性高く導くContrastive Propose-Probe-Compose手法」と「タスク経験を蓄積・汎化する二層再帰構造」の組み合わせが、オープンワールドでのRSI実用化の核心として論文で位置づけられている。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
AIエージェントがタスクをこなすたびに自律的に自身の実行環境を改善し、未知の業務にも適応していく能力が研究段階で実証されつつある。これはエージェントの「初期設定のままでは性能が頭打ちになる」という実務上の制約を大きく緩和し得るものだ。業務自動化においてエージェントが継続的に精度を高める「成長するシステム」へとシフトする可能性を示しており、人手によるプロンプト・ワークフローの継続的なメンテナンスコストを削減できる将来像につながる。
日本企業への示唆
日本企業がLLMエージェントを業務プロセスに導入する場合、現状は人手によるプロンプト調整やワークフロー最適化に相当のコストがかかっている。Harness²のような自己改善型フレームワークが実用化されれば、導入後のメンテナンス工数の大幅削減や、新業務への自動適応が現実的になる。ただし本論文は研究段階であり、実際のシステム提供は未定。技術動向の把握と自社エージェント基盤の「改善可能性」を設計段階から考慮しておくことが重要な備えとなる。また、エージェントが自律的にハーネスを変更する場合のガバナンス（変更履歴の管理・暴走リスクの抑制）についても、評価基準を事前に整備しておく必要がある。
背景・経緯
LLMエージェントの性能はモデル単体の能力だけでなく、実行環境であるハーネス（プロンプト構造・ツール呼び出し方式・エラー処理ロジックなど）に大きく依存する。再帰的自己改善（RSI）はこのハーネスを自動進化させるアプローチとして注目されてきたが、設計時に想定していない未知タスクへの対応や汎化の難しさが課題となっていた。本論文はその双方を同時に解決しようとするフレームワークとして提案されている。
