これが最後のハーネス構築になる

概要: AIエージェントは、複雑でドメイン固有のワークフローにますます導入されつつあります。そこでは、十数回のクリックやフォーム入力を要するエンタープライズのWebアプリケーションを操作し、多段にわたる研究パイプライン（検索、抽出、合成にまたがる）をオーケストレーションし、未知のリポジトリに対するコードレビューを自動化し、さらに、微妙なドメイン知識を必要とする顧客からのエスカレーションに対応します。 \textbf{各新しいタスク領域には、手間のかかる専門家主導のハーネス設計が必要です}: 基盤モデルを有効にするためのプロンプト、ツール、オーケストレーションのロジック、評価基準を設計することです。私たちは、このプロセスを自動化する二段階の枠組みを提示します。第一段階では、\textbf{ハーネス・エボリューション・ループ}が、単一のタスクに対してワーカーエージェントのハーネス \mathcal{H} を最適化します。すなわち、ワーカーエージェント W_{\mathcal{H}} がタスクを実行し、評価エージェント V が敵対的に失敗を診断して性能をスコアし、エボリューションエージェント E が、これまでの試行の全履歴に基づいてハーネスを修正します。第二段階では、\textbf{メタ・エボリューション・ループ}が、多様なタスクにわたってエボリューション手順 \$\Lambda = (W_{\mathcal{H}}, \mathcal{H}^{(0)}, V, E)\$ それ自体を最適化し、\textbf{どの新しいタスクでもハーネスが迅速に収束することを可能にするプロトコル \$\Lambda^{(\text{best})}\$ を学習します}――そのため、新規ドメインにエージェントを適応させるのに、人間によるハーネス設計はまったく不要になります。私たちは、メタラーニングへの対応関係を形式化し、両方のアルゴリズムを提示します。この枠組みは \textbf{手作業のハーネス設計を自動化されたハーネス設計へと移行し}、さらに一歩進んで――\textbf{自動化そのものの設計を自動化します}。