Prime Agent: 自己改善型RLMエージェント
Prime Agent: A self-improving RLM agent
Prime Agentは、再帰型言語モデル(RLM)と継続型ハーネスの2つの抽象化に基づいた自己改善型コーディングハーネスです。RLMはコンテキストを変数として扱い、サブエージェントの委任をREPL内の関数呼び出しとして扱います。これにより、エージェントは過去の情報を保持しながら、任意に長いセッションを処理できます。継続型ハーネスは、プロンプト、スキル、メモリ、サブエージェントなどのハーネスの状態をエージェントがCRUD操作できるものとして扱います。これにより、サブエージェント間やセッション間でのオーケストレーションが可能になります。Prime Agentは、汎用コーディングアシスタント、長期間の自律評価のデフォルトランタイム、研究および自己研究の協力者として機能します。また、IPythonカーネルをREPLとして使用し、プログラムによるツールおよびサブエージェントの呼び出しを可能にします。エージェント間通信(A2A)メッセージングもサポートしており、親、兄弟、子プロセスに限定されます。Prime Agentは、エージェント自身の軌跡から学習し、プロンプト、スキル、メモリ、サブエージェントをオンラインで洗練させることで自己改善を行います。評価では、ARC-AGI 3ベンチマークで95.5%のRHAE Best@1を達成し、人間の専門家ベースラインを上回りました。また、長文コンテキストタスクにおいても、他の多くのハーネスと比較して競争力のあるパフォーマンスを示しています。Factorioゲームのプレイでは、自己改善メカニズムを活用して生産スコアを向上させました。
- Prime AgentはARC-AGI 3ベンチマークで95.5%のRHAE Best@1を達成し、人間の専門家ベースラインを上回った
- Prime Agentは自己改善型コーディングハーネスであり、エージェント自身の軌跡から学習してプロンプト、スキル、メモリ、サブエージェントをオンラインで洗練させる仕組みを持つ
- Factorioゲームのプレイにおいて、自己改善メカニズムを活用して生産スコアを向上させた実証結果を示した
Prime Agentは自己改善型のAIエージェントであり、ARC-AGI 3ベンチマークで95.5%のスコアを達成し人間の専門家ベースラインを上回った点が注目に値する。自己改善メカニズムによりエージェントが自身の軌跡から学習し、プロンプトやスキル、メモリなどをオンラインで洗練させるという設計は、AIエージェントの実用化と自律運用の進展を示しており、関連スタートアップや基盤モデル企業への投資判断に影響を与えうる。