Self-Evolving Agent Harness - 모델은 그대로, 하네스(프롬프트·기억·도구)를 스스로 고치는 에이전트

arXiv 초록 페이지(2610.18813, 2026-10-13 제출, 18쪽)를 읽고 옮겼어요. 본문 PDF와 66쪽 부록은 읽지 않아서 partial로 표시해요.

무엇을 다루나

하네스 자기 진화(harness self-evolution)는 에이전트의 소프트웨어 뼈대, 즉 프롬프트·메모리·워크플로·실행 가능한 구성 요소를 고치되 모델 가중치는 그대로 두는 접근이에요. 저자들(Chuyang Wei 외 7명)은 채택된 수정이 실행을 넘어 계속 남는 피드백 기반 과정을 정식화해요.

프레임워크 구성

• 무엇을 바꿀지(업데이트 대상)와, 수정을 어떻게 제안하고 받아들일지(제안·채택 메커니즘)를 분리해요.
• 바꾸는 대상을 해석되는 상태 변경, 도구·코드 수정, 저장소 수준 제어 로직, 플러그인 조합으로 구분해요.
• 탐색은 진화적 최적화로 보고, 신뢰성은 지속적 PAC 학습으로 분석해요.

이론 결과

명시한 가정 아래에서 세 가지를 얻는다고 해요.

• 기대 일반화 경계
• 과거 회귀 예산을 조건으로 한 유지(retention) 경계
• 새로 뽑은 독립 검증 데이터로 판단하는 고확률 채택 규칙

영향과 주의

영구적인 하네스 수정이 지식 공유와 조직 워크플로에 미치는 영향, 그리고 과학적 신뢰성·물리적 안전·기관 책임에 대한 함의를 다뤄요. 기존 연구 사례로 모델–하네스 공동 설계, 분산 실행, 플러그인 재사용을 들어요. 과제 분포와 평가자가 바뀌니 배포에는 지속적 검증이 필요하고, 학습·실행 권한·중대한 행동에 대해 독립적인 안전장치가 있어야 한다고 강조해요. 관련 연구·이론·알고리즘·평가·응용을 담은 66쪽 논의와 코드를 별도로 공개했다고 해요.