# Harness²、LLMエージェントの業務ベンチマーク成績を向上

> 研究チームが再帰型のハーネスシステムを発表。3つのベンチマークでGLM‑5とGemini 3.5 Flashの性能を高めた。

Oossa · 2026-10-14 · https://oossa.com/ja/harness2-framework-improves-llm-agents-on-professional-benchmarks

Yanfei Chen氏が率いるチームは、大規模言語モデル（LLM）エージェントを動かすコードを自動で改良する、プラグアンドプレイ型フレームワーク「Harness²」を公開した。このシステムは2段階の再帰処理を使う。タスク単位の処理では、正解データを必要とせずにコードの変更案を作成して検証し、ハーネス単位の処理では、その変更から学んで後続のタスクに生かす。3つの業務ベンチマークでのテストでは、再帰を1回行うだけで、WorkBuddy‑Benchのスコアが最大11.5ポイント、JobBenchが最大4.5ポイント、LABが最大11.8パーセントポイント向上した。

## 事実

- 論文は2026‑10‑14にarXivで公開された
- LABベンチマークで最大11.8パーセントポイント向上

## なぜ重要か

この手法により、AIアシスタントは人手でコードを調整しなくても、現実の新たなタスクに適応できる可能性がある。変化の多い環境でLLMエージェントを導入する開発者にとって有益となりそうだ。

## 出典と参考資料

1. [Harness^2: Recursive Agent Harnessing for an Open World](https://arxiv.org/abs/2610.14224) – arXiv, 2026-10-14

最終更新: 2026-10-14