arXiv は 2026 年 10 月 20 日（火）18:36:33 UTC に、新規投稿論文「Forging More Tasks into Better Harnesses: Agentic Harness Evolution via Successive Scale Racing」を収録した。識別子は arXiv:2610.28815v1 [cs.AI] で、分類は人工知能（cs.AI）。全文サイズは約 216 KB である。筆頭著者は Jingzhe Liu で、他に 4 名の共著者がおり、合計 5 名の連名となっている。PDF 全文、実験用 HTML 版、TeX ソースが公開されており、音声要約などの付加機能も用意されている。DOI については arXiv が DataCite 経由で DOI（10.5450/arXiv.2610.28815 ではなく 10.5450 表記の詳細は原文参照）を発行しているが、登録状況は「保留中（pending registration）」と表示されている。
本論文が扱うのは「エージェント型ハーネス進化（agentic harness evolution）」である。ここでハーネスとは、エージェントの指示（instructions）、ツール、制御フローの組み合わせを指す。ハーネス進化とは、エージェント自身のタスク実行経験を進化のための証拠として用い、それに基づいて指示・ツール・制御フローを最適化する手法である。直感的には、進化に使うタスクが多いほど得られる経験が豊富になり、性能は向上するはずである。しかし著者らの予備研究は、逆説的な失敗モードを明らかにした。すなわち、タスクプールを拡大するにつれて既存手法の性能が低下するのである。さらなる分析によれば、この劣化はタスク自体に由来するのではなく、最適化過程における証拠選択が最適でないことに起因する。異なる証拠の組み合わせは大きく異なる進化結果をもたらすため、「どのタスク経験を進化の駆動に使うか」それ自体が重要な変数なのである。
この問題に対処するため、著者らは Successive Scale Racing（SSR、逐次スケールレーシング）と呼ぶフレームワークを提案する。SSR は各進化ラウンドにおいて最適な証拠の組み合わせを適応的に探索する。タスクの品質とカバレッジに基づいて多様な証拠の組み合わせを構築し、そこから生じる候補ハーネスを小さい計算予算のもとで効率的に「レース」させ、性能の劣る候補を早期に除外して準最適な解を残す。
実験面では、3 つの異なるベンチマークで評価を行い、SSR は全 6 構成のすべてで最先端（state-of-the-art）の結果を達成した。特に注目すべきはタスクプール規模の拡張実験である。タスクプールを 40 から 200 に増やすと、SSR の通過率は 64.3% から 68.3% へと着実に向上したのに対し、すべてのベースライン手法の性能は低下した。これは論文冒頭で指摘された逆説的現象を裏付けると同時に、SSR がより多くのタスクを実際により良いハーネスへと変換できることを示している。さらに、そのレース機構は準最適な候補を特定しつつ、検証実行の回数を 60% 削減しており、限られた計算予算下での効率性も示されている。
なお、上記の数値はいずれも論文要旨が報告する実験結果であり、具体的な実験設定、ベースラインの選択、3 つのベンチマークの詳細については原文を参照する必要がある。本稿は現時点で v1 版であり、今後改訂される可能性がある。引用情報は arXiv:2610.28815 [cs.AI] で、DOI リンクからアクセスできる。