lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
ホーム
OPRR
速報
深堀り
イベント
BlockBeats Pro
もっと見る
資金調達情報
特集
オンチェーン生態系
用語
ポッドキャスト
データ
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
Partnered With:

AIが自動でAgent Harnessを改良し始めた:Opus 5は4項目中3項目で首位を獲得

動察 Beating AI 速報、Scale AI が HarnessOpt-Bench を発表。これは AI が Agent のハーネスを自分で修正し、別の Agent をより強力に調整できるかを専門にテストするものだ。

ハーネスとは、モデルの外側を包む一連のプログラムで、プロンプト、ツール、メモリ、ワークフローを含む。テスト時、AI は意図的に十分に最適化されていないハーネスを受け取り、スコアや失敗事例に基づいてコードを修正し続けるが、内部のモデル自体は変更されない。

修正後、Scale は AI が一度も見たことのないテスト問題を一括で出題し、修正後の Agent が実際に強くなったかを確認する。これにより、AI が既知の問題だけに特化してスコアを稼ぐことを防げる。

Scale は Claude Opus 5、GPT-5.6 Sol、Kimi K3 など 5 つのモデルを使用し、4 種類のタスクで 111 回テストを実施した。Opus 5 が最も優れた結果を示し、4 項目中 3 項目で首位を獲得した。

全体的に見ると、ハーネスを修正するモデルが誰であるかが、Claude Code、Codex、OpenCode のどれを使ってコードを修正するかよりも重要である。

ただし、これはまだ真の「AI 自己改善」ではない。なぜなら、今回はある AI が別の Agent のハーネスを修正するものであり、初期ハーネスも意図的に多くの最適化余地を残しているからだ。

訂正/通報
送信
新しいライブラリを追加
自分のみが閲覧可
公開
保存
ライブラリを選択
新しいライブラリを追加
キャンセル
完了