모델 가중치 고정 상태에서 에이전트 하네스를 진화시키는 프레임워크 제안

연구진이 Self-Evolving Agent Harness 프레임워크를 제안했다. 이 방법은 모델 가중치는 고정된 상태로 유지하면서 프롬프트, 메모리, 워크플로, 실행 가능한 컴포넌트 등 에이전트의 소프트웨어 스캐폴딩을 수정한다. 업데이트 대상과 제안 및 수용 메커니즘을 분리하여, 해석된 상태의 변경과 도구, 코드, 저장소 수준 제어 로직, 플러그인 구성의 수정을 구분한다.

연구는 진화적 최적화를 통해 검색 과정을 특징짓고, continual PAC-learning을 사용하여 신뢰성을 검증한다. 명시된 가정 하에 분석은 다음을 제공한다:

• 기대 일반화 경계
• 과거 회귀 예산에 조건을 둔 보존 경계
• 새로운 독립 검증 데이터를 사용하는 고확률 수용 규칙

저자들은 지속 가능한 하네스 수정이 지식 공유, 조직 워크플로, 과학적 신뢰성, 물리적 안전, 기관의 책임성에 미치는 영향을 논의한다. 논문에는 관련 연구, 이론, 알고리즘, 평가 및 광범위한 영향에 대한 66페이지 분량의 논의와 함께 지속적으로 업데이트되는 코드 및 보조 자료가 포함된다.