■ 概要 Meta→Target→Feedbackの3エージェント協調で、モデルのハーネスと重みを自動更新し、タスク性能を継続的に向上させるセルフ改善フレームワーク。 ■ 特徴・用途 - **測定可能な改善**：LawBench 56.6%、GPU kernel実行時間 91.9%削減、RNA denoising 502%改善など複数ドメインで検証済み - **エージェント自身が進化**：Feedbackエージェントが客観的に評価・改善案を生成し、Targetエージェントに反映することで自動ループが成立 - **汎用性**：任意のAIシステム・ベンチマークに適用可能で、論文発表後すぐPyPI公開されており実用段階 ■ 結論 人間の介入なしに性能改善を繰り返すメカニズムとしては興味深いが、改善の質・収束性・エージェント間の同期コストの実装実績を見極める必要がある。