cv usk(@cv_usk):TL;DR AIコーディングエージェントに「計画→開発→QA検査」のループを重ねさせるだけで、複数日にわたる自律ソフトウェア開発の性能が平均52%も向上するそうです。タイトル: Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement URL: https://t.co/GycIPrh9Fx ポイント 🔁 既存のCodex CLIやOpenCodeなどのハーネスは改造せず、その上に反復改善レイヤーを被せる設計です 🧭 計画者・開発者・QA検査官の3ロールに分離し、証拠（エビデンス）を次のループに引き継ぎます 📊 GameCraft-Benchでスコア49.58→71.52など、3ベンチマーク×3モデル構成すべてで改善しました 💰 同じパス数ならVanillaの繰り返しより常に上回り、トークン効率も良いことを確認しています 🎮 70イテレーションのFPSゲーム自律開発ケースでは、複数日かけて実プレイ可能な作品を完成させています 🧩 計画更新・エビデンスフィードバック・Warm-startのどれを外しても性能が下がるアブレーション結果です単純に長く動かすのではなく、検証済みの知識を積み上げながら賢く反復する設計思想が印象的でした。 #AIエージェント #ソフトウェア開発

2026.09.06 01:43

TL;DR AIコーディングエージェントに「計画→開発→QA検査」のループを重ねさせるだけで、複数日にわたる自律ソフトウェア開発の性能が平均52%も向上するそうです。タイトル: Harness-of-Harness: Multi-Day Autonomous Software Development with Continual Improvement URL: ポイント 🔁 既存のCodex CLIやOpenCodeなどのハーネスは改造せず、その上に反復改善レイヤーを被せる設計です 🧭 計画者・開発者・QA検査官の3ロールに分離し、証拠（エビデンス）を次のループに引き継ぎます 📊 GameCraft-Benchでスコア49.58→71.52など、3ベンチマーク×3モデル構成すべてで改善しました 💰 同じパス数ならVanillaの繰り返しより常に上回り、トークン効率も良いことを確認しています 🎮 70イテレーションのFPSゲーム自律開発ケースでは、複数日かけて実プレイ可能な作品を完成させています 🧩 計画更新・エビデンスフィードバック・Warm-startのどれを外しても性能が下がるアブレーション結果です単純に長く動かすのではなく、検証済みの知識を積み上げながら賢く反復する設計思想が印象的でした。 #AIエージェント# #ソフトウェア開発#

显示更多