AIハーネスエンジニアリングと自己改善の研究
Judul asli: Harness Engineering for Self-Improvement
Mengapa Ini Penting
AIデプロイ層の設計がモデル性能と同等に重要であることを示す研究知見として業界に影響を与える。
Lilian Weng氏が2026年7月4日、AIの「ハーネス」設計とその再帰的自己改善（RSI）への貢献について詳細な技術解説記事を公開した。
OpenAIの研究者Lilian Weng氏が、AIシステムの「ハーネス（Harness）」エンジニアリングに関する包括的な解説記事を公開した。ハーネスとは、ベースモデルを取り囲み、実行を調整するシステム全体を指す。具体的には、モデルの思考・計画方法、ツール呼び出し、コンテキスト管理、成果物の保存、結果評価などを担う層である。
再帰的自己改善（RSI）の概念はI. J. Good（1965年）に遡り、Yudkowsky（2008年）がAIが自らの知能を使って認知機構を改善するフィードバックループとして定義した。Weng氏は、現代のAIにおいてこの概念が「モデルの重みの直接書き換え」だけでなく、「訓練パイプラインやデプロイシステムの改善」にも拡張されると説明する。
Claude CodeやCodexなどのコーディングエージェント製品の成功を例に挙げ、ハーネスの重要性を強調。設計パターンとして「ワークフロー自動化」「ファイルシステムによる永続メモリ」「サブエージェントとバックエンドジョブ」の3つを紹介している。ワークフローは「計画→実行→観察・テスト→改善」のループが基本構造であり、Karpathy氏のautoresearchリポジトリがその実例として挙げられた。