ReHarness: 후방 개정(backward revision) 순환 하네스

arXiv:2610.12668 (2026-10-08). 고정 가중치 에이전트 하네스가 전방 write/read만 하면 과일반화·낡은 반성이 다음 인스턴스로 전파된다. ReHarness는 인스턴스 궤적을 피드백으로 써서 검색된 반성을 후방 개정한 뒤, 개정 상태를 다음 인스턴스로만 넘긴다(strict online streaming; replay·검증셋·gradient 없음).

메커니즘

경로역할
Forward궤적 → 새 반성 축적
Backward현재 궤적 로 과거 검색 반성 → (소스 에 grounded)
Recurrent — 개정은 다음 인스턴스에만 적용

개정 에이전트 는 를 피드백으로만 쓰고, 주장의 근거는 소스 궤적에 남긴다(CL-Bench grounded >95%, leakage 0.8–2.1%).

결과 (요약)

  • 벤치: CL-Bench · MemoryBench · MemoryArena × 백본 3종.
  • 평균 normalized gain 0.240 — 9조합 중 8에서 1위/동률; Wilcoxon vs Top-K/Full Raw 유의.
  • 안정성·가소성 모두 평균 최고(전방-only Mem0/RBank/DoT/ACE/GEPA-Online은 안정성 음수 경향).
  • 토큰: Claude CL-Bench 1롤아웃 ~41.6M vs Top-K ~52.7M / Full Raw ~142M (반성이 decision context를 줄임).

한계·운영

  • 보상 신호가 노이즈인 태스크(예: exploitable poker)에서는 raw-context가 유리할 수 있음.
  • Meta²(Meta²)의 within-run 폐기·Continual forgetting(continual harness)과 축이 다름: ReHarness는 메모리 반성 개정, Meta²는 하네스 편집 범위.
  • Incomplete continual learners(drift 평가)의 전역 self-mod 과잉과 대비 — 지역 개정 + 소스 근거가 간섭을 줄이는 한 축.