AIの自己改善を支えるハーネス設計の最新研究
原題: Harness Engineering for Self-Improvement
なぜ重要か
ハーネス層の体系的設計がAIの自律的性能向上を左右するとする本論考は、AIエージェント開発・デプロイ戦略の実務・研究両面に広く影響を与えうる。
OpenAIの研究者Lilian Wengが2026年7月4日、AIシステムの「ハーネス（Harness）」エンジニアリングと再帰的自己改善（RSI）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巻くシステム全体を指し、Claude CodeやCodexなどの成功事例を踏まえ、ワークフロー設計や自己最適化の手法を体系的にまとめている。
Lilian Wengは自身のブログ「Lil'Log」にて、AIの再帰的自己改善（RSI）における「ハーネスエンジニアリング」の役割を詳細に論じた記事を公開した。読了目安は31分、2026年7月4日付。
RSIの概念はI. J. Good（1965年）に遡り、人間を超える知的活動が可能な「超知能機械」の定義に由来する。Yudkowsky（2008年）はこれを「AIが現在の知性を用いて自らの認知機構を改善するフィードバックループ」と定式化した。現代AIにおけるRSIは、モデルが自らの重みを書き換える直接的な手法のほか、トレーニングパイプラインやデプロイシステムの改善を通じた間接的な手法も含む。
Wengはとくに「デプロイシステム」の重要性を強調し、生のモデルと現実世界の間に位置する「ハーネス」層が、モデルの生の知性と同等に重要であると述べている。ハーネスとは、実行のオーケストレーション、ツール呼び出し、コンテキスト管理、成果物の保存、結果の評価を担うシステム全体を指す。
記事では主要な設計パターンとして以下の3つを整理している。第一は「ワークフロー自動化」で、モデルが計画・実行・観察・改善を繰り返すループを定義する手法。Karpathyのautoresearchリポジトリが具体例として挙げられた。第二は「ファイルシステムによる永続的メモリ」、第三は「サブエージェントとバックエンドジョブ」で、コーディングエージェントのハーネスをケーススタディとして詳述している。
さらに、ハーネス最適化・コンテキストエンジニアリング・ワークフロー設計・進化的探索・モデル重みとの共同最適化といったテーマを取り上げ、自己改善型ハーネスの将来的な課題にも言及している。ハーネス設計の指針として「シンプルかつ汎用的」であることが重要とし、既存のソフトウェアエンジニアリングの慣行を参照することで事前学習の知識を活かせると指摘した。