RESEARCH / 04
エージェント改善法「RRSI」 — 自己改善ハーネスのテスト暗記を正則化で抑え、OODでも最大4.7ポイント向上
arXiv:2609.24972「RRSI: Regularized Recursive Self-Improvement of Agent Harnesses」（2026年9月21日公開、v2は9月23日）を一次情報に基づき整理。自己改善の過学習問題、提案・選択への正則化（時間的アニーリング予算・critic・pruner）、8ベンチマークでの評価結果とコード公開を扱う。