Meta, Duke 및 UC Davis 연구원은 에이전트 하네스 최적화를 위한 자체 개선 분기를 공개합니다.

본문

Meta, Duke 및 UC Davis 연구원은 하네스 검색을 자체 개선 부문으로 분할하여 올림피아드 수학 정확도를 46.0%에서 62.0%로 높였습니다. Meta 공식 로고(공개 도메인, Wikimedia Commons) — CryptoBriefing 브랜드 처리 새로운 사전 인쇄는 하네스 검색을 특수 분기로 분할하고 각 작업을 최상의 작업으로 라우팅하여 수학, 터미널 및 코딩 벤치마크에서 이전 Meta-Harness 시스템을 능가합니다. Meta, Duke University 및 University of California의 연구원 Davis는 AI 에이전트를 더 좋게 만들기 위한 새로운 아이디어를 가지고 있습니다. 모델을 그대로 두고 하나가 아닌 여러 개의 자체 개선 팀을 사용하여 모델 주변의 비계를 개선합니다.

"에이전트 하네스 최적화를 위한 자체 개선 분기의 혼합"이라는 제목의 사전 인쇄에서는 올림피아드 수준의 수학 추론이 34.8% 상대적으로 향상되었다고 보고합니다. 보다 공식적으로 말하면 에이전트 하네스는 대규모 언어 모델을 감싸는 코드 프레임워크입니다. 하네스 최적화는 해당 래퍼의 더 나은 버전을 자동으로 검색하는 방법입니다. 2026년 9월 29일에 arXiv:2609.37834v1로 출판된 새 논문은 Meta-Harness라는 이전 시스템을 직접 기반으로 구축되었습니다. 2026년 3월 30일에 출시된 Meta-Harness는 이전에 다양한 벤치마크에서 기존 방법보다 성능이 뛰어났습니다. 저자 목록에는 Meta 및 Duke University 소속의 Haoyu Dong, Meta 및 UC Davis 소속의 Zihao Lin이 포함되어 있습니다.

진화하는 여러 지점과 라우터를 실행하고 유지 관리하면 복잡성이 가중될 수 있으며, 백서의 결과는 특정 벤치마크와 특정 모델에서 나온 것입니다. Meta-Harness는 2026년 3월에 출시되었으며 이미 기존 방식을 능가하고 있었습니다. Meta, Duke 및 UC Davis 연구원들이 에이전트 하니스 최적화를 위한 자체 개선 지점을 공개한 포스트가 Crypto Briefing에 처음 등장했습니다.