Prime Agent、永続型RLM harnessをオープンソース化――エージェントの記憶、サブエージェント、実行環境を対話の外部に保持

Prime Intellectの研究チームは、長期タスクを担うエージェントに共通する2つの問題――モデルの有効コンテキストが限られていることと、セッション中断後にターミナル、サブエージェント、タスク状態が失われること――の解決を目指し、Prime Agentを公開した。その中核は、自然言語による計画レイヤーをさらに追加することではなく、常駐型のIPython REPLを提供することにある。プロンプト、ファイル内容、ツールの実行結果を変数として扱えるほか、モデルはプログラムから`rlm(...)`を呼び出して再帰的なサブエージェントを生成し、大量のコンテキスト処理とtest-time computeをメインの対話から切り離せる。

もう一つのContinual Harnessは、履歴、記憶、スキル記述、補足プロンプト、サブエージェント仕様を保存する。`/refine`は今回のtrajectoryに基づいて小規模かつロールバック可能な更新を提案するが、不変の基礎system promptは書き換えない。daemonはPythonの状態、スケジュール、heartbeat、実行中のエージェントを保持するため、ターミナル接続が切れても再接続できる。自律モードにはさらに、ターン数、token数、時間、品質の各しきい値が設けられ、「リソース上限への到達」をタスク完了と誤判定することを防ぐ。

論文によると、ARC-AGI-3のRHAE設定において、Prime AgentはBest@1を30%から95.5%へ向上させた。また、長大なコンテキストを扱うコーディング、GPU kernel生成、シミュレーター構築、nanoGPT高速化、Factorioタスクについても、ほかのharnessと比較している。これらの結果が示す重要な点は、エージェントフレームワーク自体が性能に大きな差をもたらし得ることだ。ただし、現時点では主に作者ら自身による評価であり、モデル間の違い、コスト、再試行の予算を無視すべきではない。

コードはMIT Licenseで公開され、macOSとLinuxをサポートする。デプロイ担当者が特に注意すべきなのは、モデルが生成したPythonコード、shellコマンド、スキルがユーザー権限で実行される点だ。workerとkernelのライフサイクル分離は、セキュリティsandboxではない。今後は、第三者による再現、成功1回あたりのtoken／計算コスト、そして永続記憶が自己修正を繰り返した後に汚染や能力低下を起こすかどうかを見極める必要がある。