💻 computer science

Software Self-Extension with SelfEvolve: an Agentic Architecture for Runtime Code Generation

本論文は、大規模言語モデルを活用してランタイム中に開発者の介入なしに新機能を自律的に生成・統合する「SelfEvolve」というエージェント型アーキテクチャを提案し、既存のコード生成ベースラインを大幅に上回る性能でソフトウェアの自己進化の実現可能性を実証したものである。

原著者： Md Asif Iqbal Fahim, Oluwadamilola Adebayo, Alessio Ferrari

公開日 2026-04-21

📖 1 分で読めます☕ さくっと読める

CC BY 4.0

原著者： Md Asif Iqbal Fahim, Oluwadamilola Adebayo, Alessio Ferrari

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

この論文は、**「自分自身で新しい機能を追加できる、生き物のようなソフトウェア」**を作るための新しい仕組み「SelfEvolve（セルフエボリューション）」について書かれています。

従来のソフトウェアは、料理で言えば「完成されたレシピ」のようなもので、新しい料理（機能）が食べたくなっても、シェフ（プログラマー）が厨房（開発環境）に戻ってレシピを書き直し、店を一旦閉めてからでないと提供できませんでした。

しかし、この論文で紹介されている「SelfEvolve」は、**「注文された瞬間に、その場で新しい料理を考案し、調理し、すぐに客に提供できる、魔法のような厨房」**のようなものです。

以下に、難しい専門用語を使わずに、身近な例え話で解説します。

1. 従来のシステム vs 新しい「SelfEvolve」

従来のシステム（固定されたロボット）：
- ユーザーが「Netflix で『私の街の人が何を見てるか』を表示して」と頼んでも、「その機能はありません」とエラーが出ます。
- 機能をつけるには、開発者がコードを書き、テストして、アップデートをリリースする必要があります。これには数日〜数週間かかります。
SelfEvolve（進化する生き物）：
- ユーザーが同じリクエストをすると、システムは**「あ、それなら今から作ろう！」**と判断します。
- 開発者が何もせずとも、システムが自分でコードを書き、テストし、再起動なしでその機能を追加して、すぐに結果を返します。
- ユーザーは「魔法」のように、自分の好みに合わせた機能をその場で手に入れることができます。

2. 仕組みの秘密：「テスト駆動開発（TDD）」という魔法のレシピ

このシステムが失敗しないようにしているのが、**「テスト駆動開発（TDD）」**という考え方です。これを料理に例えると、以下のようになります。

注文（ユーザーの要望）： 「このマトリックスの固有値を計算して」と頼む。
レシピの作成（テスト生成）：
- システムはまず、**「正解の料理が完成したかどうかを判断するチェックリスト（テスト）」**を先に作ります。
- 「答えが [2.0, 3.0] なら OK、それ以外は NG」という基準を決めます。
調理（コード生成）：
- そのチェックリストを見ながら、AI が料理（コード）を作ります。
味見とリトライ（中間審査）：
- 作った料理をチェックリストで試食します。
- もし「味が違う（エラー）」なら、「塩が足りなかった」「火が強すぎた」というフィードバックを AI に返し、作り直させます。
- これを繰り返して、完璧な味になるまで調整します。
最終審査（ユニットテスト）：
- 味見だけでなく、**「特殊なケース（アレルギー対応など）」**もチェックする最終テストを行います。
メニューへの掲載（統合）：
- 合格したら、その料理はシステムに「新しい定番メニュー」として登録され、次回から誰でも注文できるようになります。

このように、**「まず正解の基準を決めてから作る」**というプロセスを AI が自動で繰り返すことで、失敗を極力減らし、安全に機能を追加しています。

3. 実験の結果：どれくらいすごいのか？

研究者たちは、11 種類の異なるタスク（給与分析、患者のリスク計算、映画の推薦など）でこのシステムを試しました。

成功確率： 55 回の試行のうち、**51 回（92.7%）**が成功しました。
他の AI との比較：
- 現在の最先端の AI 開発ツール（AutoGen や MetaGPT など）は、このタスクではほとんど失敗しました（成功率 0〜30% 程度）。
- SelfEvolve は、最も性能の良い既存のツールよりも60% 以上も優れていました。
スピード： 失敗して作り直す回数は、平均して2.2 回だけで済みました。TDD（テスト先行）を使わない場合、平均 4.7 回も失敗して作り直す必要があったため、2 倍以上の効率が向上しました。

4. なぜこれが重要なのか？

この技術は、ソフトウェアの未来を大きく変える可能性があります。

個人化されたアプリ： 将来、あなたのスマホやアプリは、あなたが「こんな機能が欲しい」と思うたびに、その場であなた専用の機能を追加してくれるようになります。
開発者の負担軽減： 開発者は「新しい機能をどう実装するか」という作業から解放され、より創造的な仕事に集中できます。
生き残るシステム： ソフトウェアは、時代の変化やユーザーの要望に合わせて、自分自身で進化し続けることができるようになります。

まとめ

この論文は、**「AI が、人間の手を借りずに、失敗しながらも自分で学び、新しい機能をその場で作り出し、システムを生き物のように進化させる」**という夢のような技術が、すでに実現可能であることを示しています。

まるで、レストランのシェフが客の注文を聞いて、その場で新しい料理を考え、味見をしながら完璧に仕上げ、メニューに追加してくれるような未来が、もうすぐそこに来ているのです。

SelfEvolve: ランタイムコード生成のためのエージェント型アーキテクチャによるソフトウェア自己拡張

技術サマリー（日本語）

本論文は、従来の自己適応システムが既存コンポーネントの再構成に留まるのに対し、大規模言語モデル（LLM）の能力を活用して実行時（ランタイム）に新たな機能を生み出し、システムを自律的に進化させるという新たなパラダイムを提案するものです。著者らは「SelfEvolve」と呼ばれるオーケストレーション型エージェントパイプラインを設計・実装し、開発者の介入なしにユーザーの要求に基づき新しい機能を生成・統合する「自己拡張（Self-Extension）」の実現可能性を示しました。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳述します。

1. 問題定義と背景

従来のソフトウェアシステムは、開発時に機能が固定されており、新機能の追加には人間によるコーディング、テスト、デプロイという数日〜数週間を要するプロセスが必要です。既存の自動コード生成ツール（GitHub Copilot など）やマルチエージェントフレームワーク（AutoGen, MetaGPT など）は、主に開発時のコード生成を支援するものであり、実行中のシステムが自律的に機能を拡張する「自己進化」の領域は未開拓でした。

課題: ユーザーが高レベルの要求（例：「自分の街の人が何を見ているか教えて」）を提示した際、システムが既存の機能にない場合、エラーを返すのではなく、自律的にその機能を実装し、実行時に統合して結果を返す仕組みの欠如。
目標: 開発者の介入なしに、ユーザーの要求に基づき、システムの再起動を伴わずに新しい機能を生成・統合する「自己拡張」の実現。

2. 手法：SelfEvolve アーキテクチャ

SelfEvolve は、LLM エージェントを協調させるオーケストレーション型パイプラインであり、テスト駆動開発（TDD）と反復的改善を中核に据えています。

主要コンポーネント

Knowledge Base（知識ベース）:
- 既存の関数実装、プロンプト、ツール記述（JSON 形式のメタデータ）を保持し、生成された関数の再利用と発見を可能にします。
Chat & Tool Dispatcher:
- ユーザーの自然言語要求を受け取り、既存のツールで対応可能か判断します。新規機能が必要な場合、構造化された要件定義（関数名と仕様）に変換します。
Test-Driven Code & Function Generator:
- TDD テスト生成: 要件に基づき、入力と期待出力を定義するテストケースを生成します。
- コード生成: 生成されたテストをパスするコードを実装します。既存のコードベースや生成済み関数との統合も考慮します。
Adjudicators（判定者）:
- Intermediate Adjudicator: 生成されたコードを TDD テストで検証します。失敗した場合、エラー情報をフィードバックとして生成し、再試行を促します。
- Unit Test Generator & Handler: 中間検証をパスしたコードに対し、エッジケースやエラーハンドリングを含む包括的な単体テストを生成・実行します。
- Final Adjudicator: 単体テストの結果を評価し、合格すればシステムへの統合を許可、不合格の場合はフィードバックループへ戻します。
System Integration:
- 検証に合格した関数は、知識ベースに永続化され、importlib.reload() などの機能を用いて再起動なしに即座にシステムに統合されます（ホットコードリロード）。

動作フロー

ユーザー要求 $\rightarrow$ 要件変換 $\rightarrow$ TDD テスト生成 $\rightarrow$ コード生成 $\rightarrow$ 中間検証 $\rightarrow$ 単体テスト生成・実行 $\rightarrow$ 最終検証 $\rightarrow$ ランタイム統合 $\rightarrow$ 結果返却。
このプロセスは、最大 6 回までの反復（イテレーション）で収束するまで続きます。

3. 主要な貢献

自己拡張（Self-Extension）の概念と実装:
- 開発時ではなく「実行時」に自律的に新機能を追加するアーキテクチャを初めて提案・実装しました。
TDD パイプラインの統合:
- 要件からテストを先に生成し、それを基準にコードを生成・検証する TDD 手法をエージェント型システムに組み込み、コードの品質と収束性を高めました。
包括的な評価とベンチマーク:
- 11 種類のタスク（統合、構成、データ処理）を用いた大規模評価を行い、既存の最先端マルチエージェントフレームワーク（AgentCoder, AutoGen, MetaGPT）と比較しました。
オープンソース化:
- 実装コードとレプリケーションパッケージを公開し、研究の再現性を確保しています。

4. 評価結果

11 のタスク（合計 55 回の試行）における評価結果は以下の通りです。

性能（Pass@1）:
- SelfEvolve は92.7%（51/55）の成功率を達成しました。
- ベストなベースラインである AutoGen（30.9%）を61.8% 上回り、統計的に有意な差（p < 0.05）を示しました。AgentCoder と MetaGPT はそれぞれ 0% と 27.3% でした。
TDD パイプラインの影響（アブレーション研究）:
- TDD パイプラインあり：92.7% 成功率、平均 2.2 回で収束。
- TDD パイプラインなし：72.7% 成功率、平均 4.7 回で収束。
- TDD 導入により、成功率が約 20% 向上し、収束までの反復回数が 2.1 倍速くなりました。
タスク別性能:
- 既存コードとの統合が必要なタスク（Integration Tasks）でも 90% の成功率を達成し、複雑なコードベースへの対応能力を示しました。

5. 意義と将来展望

学術的意義:
- 自律的に実行中のコードを変更・拡張するシステムの可行性を実証し、自己改善型アーキテクチャ、自律的デバッグ、進化的設計の研究分野を拓きました。
実用的意義:
- ユーザー中心のソフトウェア実現：開発者の介入なしに、個々のユーザーのニーズに即応した機能をその場で生成・提供できます。
- 迅速な適応とデプロイのボトルネック解消：従来のデプロイサイクルを不要にし、リアルタイムなフィードバックループを可能にします。
今後の課題と方向性:
- MAPE-K ループの完全統合: ユーザー要求への反応的対応から、実行メトリクスを監視・分析し、自律的に改善を計画・実行するプロアクティブな自己進化へ発展させる。
- ガードレールと人間による監視: 安全性が重要な文脈における生成行動の検証と、望ましくない進化を防ぐ仕組みの導入。
- 要件工学の強化: ユーザー意図の明確化、ドメイン知識の取り込み、変更影響分析の高度化。

結論

SelfEvolve は、LLM エージェントとテスト駆動開発を組み合わせることで、ソフトウェアがユーザーの要求に応じて実行時に自律的に能力を拡張できることを実証しました。これは、開発者が関与しない「個別化された自己改善システム」への道筋を示す重要な第一歩であり、ソフトウェア工学のパラダイムシフトを予感させる成果です。