자기 진화형 에이전트 하네스(Self-Evolving Agent Harness) 프레임워크

모델의 가중치를 고정한 채, 피드백에 기반해 프롬프트, 메모리, 워크플로, 실행 가능한 컴포넌트 등 에이전트의 소프트웨어 기반(하네스)을 개정하는 자기 진화형 프레임워크가 제안됐다. 채택된 개정은 실행 간에 유지되며, 진화적 최적화를 통한 탐색과 지속적 PAC 학습을 통한 신뢰성 분석이 이루어진다. 기대 일반화 경계와, 새로 독립적으로 마련된 검증 데이터를 이용한 고확률 채택 규칙 등 이론적 결과가 제시됐으며, 코드와 보충 자료도 계속 갱신되고 있다.