AIが失敗から学んで記憶する新技術、作業の成功率が最大17ポイント向上

AIエージェントが過去の失敗を教訓として蓄積し、同じ誤りを繰り返さないようにする新手法「Self-Direction」に関する論文が公開された。これまでのエージェントは、対話履歴の中だけで反省を行ってもセッションをまたぐと忘れてしまう課題や、モデル全体を再学習させると計算費用がかさみ既存の能力を損なう恐れがあるという課題を抱えていた。

本手法では、タスクに失敗したエージェントが自身の行動過程を振り返って教訓を抽出し、軽量な追加学習用アダプターへと蒸留する。基本モデルの重みは固定したまま、モデル全体の約0.02%に相当する追加パラメータのみを更新するため、元の能力を壊すことなく教訓を保存できる。蓄積されたアダプターはライブラリに永続化され、将来関連する課題が生じた際に自動で呼び出される仕組みだ。

オープンモデル「Qwen」系列を用いた検証では、研究調査やツール利用などのベンチマークにおいてタスク成功率が8.9〜17.0ポイント向上した。修正の信頼性は約2倍に達し、少数のアダプターで数十件の新しいタスクへ汎化することも確認された。