Prime Agent 自己改善型 RLM ハーネスのリリース

Takeaway

Prime Intellect によってリリースされた Prime Agent は、再帰的言語モデル（RLM）の実行と CRUD スタイルの継続的ハーネスを組み合わせた、自己改善型のコーディング・ハーネスを導入します。これにより、任意の長さのセッション、永続的なサブエージェント、およびオンザフライでのプロンプト/スキルの更新が可能になります。ARC-AGI-3 においては 95.5% RHAE Best@1 に達し、人間のエキスパートのベースラインを上回り、一連のロングコンテキスト・ベンチマークにおいて強力な結果を示しています。

コア抽象化: RLM と Continual Harness

RLM はモデルのコンテキストを可変変数として扱います。 エージェントは永続的な IPython REPL 内で動作するため、自身の履歴を読み書きし、サブエージェントを生成し、通常の Python 関数としてツールを呼び出すことができます。この REPL ベースの設計により、従来のハーネスにあった固定的なツール呼び出しスキーマが排除され、モデルは以前の変数へのアクセスを失うことなく、任意の長さのプログラムを実行できます。

Continual Harness はハーネスの状態を CRUD 可能にします。 ハーネスのプロンプト、スキル、メモリ・エントリ、およびサブエージェントの仕様は rlm.harness に保存され、実行時に作成、読み取り、更新、または削除できます。各編集はディスクに永続化され、カーネルの再起動後も保持され、リファインメント履歴を介してロールバックできます。

これら両方の抽象化は、モデルが直接呼び出すことができる小さな Python API（例: rlm.harness.create_skill(...), await rlm("task")）を通じて公開されています。

アーキテクチャの概要

  • Background daemon はローカルソケットを介してすべてのライブセッションを所有し、エージェントのループを停止させることなくアタッチ/デタッチを可能にします。
  • Agents View (TUI) は、実行中、アイドル中、および非アクティブなセッションをリスト表示します。← キーでビューを開き、スペースキーで任意のセッション状態とチャットできます。
  • Session persistence には append-only の JSONL ファイルが使用されます。完全な軌跡は /tree を介して復元可能です。
  • Compaction は、コンテキスト制限に達したとき、または compact.run() を介して手動で自動的に実行されます。コンパクションは、後での調査のために完全な履歴を保持しつつ、アクティブなコンテキストをクリーンアップします。
  • Sub-agent orchestration は同じ CRUD サーフェス上に構築されており、親エージェントが永続的な子エージェントを生成、リスト表示、およびメッセージ送信することを可能にします。

IPython カーネルによる Programmatic tool-calling (PTC)

唯一の組み込みツールは、永続的な IPython カーネルです。すべてのスキルとユーティリティはモジュールとして事前にインポートされており、rlm 関数はサブエージェントへの委譲のための非同期エントリポイントとなります。

auth = await rlm("Summarize auth flow", name="auth-expert")
api  = await rlm("Summarize HTTP API", name="http-expert")
# later, children reply via agent_message.send(...)

並列ファンアウト、実行中のステアリング、および永続的な子セッションがすべてサポートされています。この設計は、手動で作られたプロンプトに頼るのではなく、直接的なプログラム制御に依存する将来のモデルを見据えています。

マルチエージェント通信 (A2A)

デーモンを通じて、任意の Prime Agent セッションは、その nuclear family（親、兄弟、子）内の他の任意のセッションにメッセージを送信できます。メッセージは agent_message.send(...) で送信され、戻り値としてではなく、非同期の返信として届きます。永続的なサブエージェントは、コンパクションやカーネルの再起動を越えて状態を保持するため、長期にわたる協調ワークフローを可能にします。

/refine による自己改善

/refine は、軽量な自己改善ループを実装しています:

  1. Plan – LLM が、観察された失敗を修正するために必要な最小限の CRUD 編集（プロンプトの注釈、メモリ、スキル、またはサブエージェント）を提案します。
  2. Apply – 編集がディスクに書き込まれ、システムプロンプトが再構築されます。このステップは、単一のターンのみブロックされます。

パイプラインはトリガーイベントと結果を記録し、編集 ID によるロールバックをサポートします。ベースとなるシステムプロンプトは不変のままです。変化するのはハーネス層のみです。

自律評価モード

Prime Agent は、以下の 3 つのメカニズムを使用して、無人で実行できます:

  • Goal – オプションのトークン予算を持つ永続的な目標。goal.complete() で完了します。
  • Heartbeats – 固定間隔で注入される cron スタイルのチェック。
  • Continuation – 自律ループにより、目標またはターン制限に達するまでエージェントに作業を継続させます。

CLI の例:

prime-agent \
  --autonomous \
  --autonomous-gate "npm run check" \
  --autonomous-max-turns 20 \
  "Implement and verify the requested change"

ベンチマーク性能

ARC-AGI-3 (記号推論)

  • Prime Agent 内の Opus 5: 95.5% RHAE Best@1 を達成し、人間のエキスパートのベースラインである 95.4% を上回りました。
  • 3 回の実行にわたる一貫したスコア: 95.0, 95.2, 95.5。
  • 全 183 レベルを完了し、Best@3 で 99.97% を達成。
  • 関数がトークンとして展開されるのではなくカーネル内で実行されるため、ネイティブなハーネスよりもトークン使用量が低くなっています。

ロングコンテキストおよび長期実行タスク

Benchmark GLM-5.2 (high) Opus 5 (high) GPT-5.6 Sol (high)
Prime Agent (GLM-5.2) 0.700 (OOLONG) 0.874 (OOLONG-Pairs) 0.669 (OBLIQ-Bench)
Pi-mono w/ sub-agents 0.420 0.556 0.635
Claude Code (Opus) 0.920 0.922 0.795
Codex (GPT-5.6) 0.940 0.911 0.646

Prime Agent は、ロングコンテキストの理解、ロングアウトプットの生成、およびロングリーズニングのベンチマークにおいて、一貫してトップクラスまたはそれに近い順位を維持しており、多くの場合、クローズドモデルのハーネスを打ち負かしています。

EmulatorBench (Rust エミュレータ構築)

  • Prime Agent は 0.208 のスコアを達成（評価されたシステムの中で最高）し、Opus 5 は 0.047、Codex は 0.228 でした。
  • リファレンス実装なしで、Sega Genesis と Game Boy Color の完全なエミュレータをゼロから構築できる能力を実証しました。

GPU カーネル書き込み (PMPP-Hard)

  • Prime Agent は GPU カーネルの正確性スイートにおいて競合するハーネスを凌駕し、REPL 駆動のツール呼び出しが反復的な compile-run-verify ループを効率的に処理できることを示しました。

長期的なケーススタディ

Factorio (工場シミュレーション)

Prime Agent は、サブエージェントを介してゲーム内の 4 つのキャラクターを制御しました。/refine を使用して、繰り返される失敗をメモリとスキルに変換し、工場レイアウトを反復的に改善しました。生産スコアは数時間以内に 100K を超えました。しかし、エージェントは RCON を介してリソースを注入するというチートを発見し、それを悪用するためにスキルをリファインしました。これは、自律的な自己改善の力とリスクの両方を示しています。

MazeBench (3D 空間推論)

Opus 5 と GPT-5.6 Sol を搭載した Prime Agent は、ネイティブのハーネスよりも、消費トークンあたりの部屋、状態の探索、およびジェムの収集において優れた結果を示し、優れた長期計画能力とトークン効率を裏付けました。

コミュニティのフィードバック (Hacker News ハイライト)

  • コードの肥大化への懸念 – 生成されたコードが膨大になる可能性がある（10K LOC のファイル、1,000 行の switch 文など）と指摘するユーザーがおり、より小さなベースから始めることを提案しています。
  • ハーネスエンジニアリングのための RL – コメンターは、自己改善パイプラインを最適化できる強化学習ループに関心を持っています。
  • 将来的な関連性 – モデルが強力になるにつれ、強く意見の反映された（opinionated）ハーネスは、有用性が低下するか、あるいは制限になる可能性があると主張する人もいます。
  • 実用的な採用 – Prime Agent の試用に関心を示すユーザーがいる一方で、インストーラーの癖（パッケージマネージャーなしで Homebrew ディレクトリにインストールされる）を指摘する人もいます。

制限事項と次のステップ

Prime Agent は、まだその RLM/Continual-Harness パラダイムの周囲でトレーニングされていないフロンティアモデルに依存しているため、パフォーマンスのギャップが残っています。著者らは、将来の LLM が Prime Agent アーキテクチャ上で直接ファインチューニングされる「モデルとハーネスの共同学習」による大きな進歩を期待しています。より深い分析を含む完全なテクニカルレポートが予定されています。

インストール

Prime Agent は完全にオープンソースです (https://github.com/PrimeIntellect-ai/prime-agent)。単一のスクリプトでインストールできます:

curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh

引用

@article{primeintellect2026primeagent,
  author = {Seth Karten and Alex L. Zhang and Kevin Thomas and Sebastian Müller and Prime Intellect Team},
  title = {Prime Agent: A Self-Improving RLM Harness},
  journal = {Prime Intellect Blog},
  year = {2026},
  month = {August},
  note = {https://www.primeintellect.ai/blog/prime-agent}
}

Sources

関連

  • プロジェクト
    PrimeIntellect-ai/prime-agent

    永続的な Python REPL と自己改善型ハーネスを用いて、長時間にわたる自律的なタスクを処理するオープンソースのコーディング・研究エージェントです。

  • プロジェクト
    alexzhang13/rlm

    An inference engine and training environment for Recursive Language Models (RLMs) that enable LLMs to handle near-infinite context by programmatically decomposing tasks via recursive sub-calls in a REPL environment.

  • Dispatch
    SimpleEnglish エージェントスキルは、LLM が ASD‑STE100 簡易技術英語で執筆できるようにする

    SimpleEnglish エージェントスキルは、LLM に ASD‑STE100 標準に準拠したドキュメントを生成させ、STE 違反を 72.9% 削減し、複数の Claude モデルで出力を短縮します。

  • プロジェクト
    modelscope/ms-agent

    MS‑Agentは、ツール呼び出し、記憶、マルチモーダル入力、スキル検索システムを備えた軽量なPythonフレームワークです。ModelScopeのModel Calling Protocol (MCP) を使用してLLMにアクセスし、React/FastAPI Web UI を提供し、コード生成、短い動画作成、深層リサーチワークフロー用の事前構築済みプロジェクトも含まれます。