When Agents Look the Same: Quantifying Distillation-Induced Similarity in Tool-Use Behaviors
この論文は、モデル蒸留によるエージェントの行動均質化を定量化するため、非必須の行動パターンを抽出する「応答パターン類似度（RPS）」と「アクショングラフ類似度（AGS）」という 2 つの指標を提案し、異なるベンダー間やモデルファミリー間での行動の類似性を評価する新たな手法を提示しています。
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
論文の解説：「エージェントがみんな同じ顔に見える理由」
この論文は、最近の AI（特に「エージェント」と呼ばれる、自分で道具を使ってタスクをこなす AI）が、なぜ**「どこか見たことのあるような、同じような動き」**をするのかを調査し、その「似ている度合い」を測る新しい方法を開発したという研究です。
まるで、世界中の料理屋さんが「同じ料理本」をこっそり見ていて、味も盛り付けも、失敗の仕方まで一模一样（いっぽんいっぽん）になってしまったような現象です。
以下に、難しい専門用語を使わず、身近な例え話で解説します。
1. 問題：「デジャヴ」だらけの AI たち
最近、AI エージェントはすごい進歩を遂げています。でも、よく見ると**「あれ？この AI、さっき見た AI と動きが同じじゃない？」**と感じることが増えています。
- 例え話：
10 人の料理人がいて、それぞれ「パスタを作る」タスクを与えられたとします。- 本来あるべき姿： 10 人とも、独自のレシピで、独自の盛り付けで、独自の失敗（焦がす、塩を入れすぎなど）をするはずです。
- 今の現実： 10 人とも、**「同じ本（先生）」からレシピを盗み見ていたかのように、「同じ手順で、同じ言葉で、同じミス」**をします。
- なぜ怖い？ もし 10 人全員が同じミスをすれば、システム全体が同時に壊れてしまいます。「多様性」が失われているのです。
この研究は、**「本当に必要な動き」と「単に真似しているだけの癖（余計な動き）」**を分けて、AI がどのくらい「先生」に似ているかを測る道具を作りました。
2. 解決策：2 つの新しい「似ている度」のメーター
研究者は、AI の動きを 2 つの角度から測るメーターを考案しました。
① RPS（言葉の似ている度）：「話し方の癖」
AI がユーザーに話す言葉のトーンや、文章の構成が似ているかを測ります。
- 例え話：
2 人の店員さんがいます。- A さん：「はい、承知いたしました。では、まずお名前をお伺いします。」（丁寧で定型文）
- B さん：「はい、承知いたしました。では、まずお名前をお伺いします。」（A と全く同じ）
- C さん：「わかった。名前教えて。」（短くて簡潔）
このメーターは、**「A と B が、同じ本から『接客マニュアル』を丸暗記している」**かどうかを判定します。
② AGS（行動の似ている度）：「道具の使い方の癖」
これがこの論文の最大の特徴です。AI が使う「道具（ツール）」の選び方や、順序が似ているかを測ります。
- 重要なポイント：
タスクを成功させるために**「絶対に必要な道具」と、「なくてもいいけど使っている道具（余計な道具）」**を区別します。- 例え話：
「飛行機の予約をキャンセルする」タスク。- 必須： 「予約情報を取得する」「キャンセルする」。これは誰がやっても同じ。
- 余計な癖： 「キャンセルする前に、念のため予約詳細をもう一度確認する」「キャンセル後、金額計算をする」。
- 判定： もし AI A と AI B が、**「必須ではないのに、同じ『余計な確認作業』を同じ順序でやっている」なら、それは「先生（元の AI）の癖を真似している」**と判断します。
- 例え話：
3. 実験結果：誰が誰の「真似」をしている？
世界中の 18 種類の AI をテストしました。基準（先生）として「Claude Sonnet 4.5」という AI を使いました。
発見 1：同じ会社の AI は、やっぱり似ている
Anthropic 社（Claude の開発元）の AI 同士は、言葉も行動も非常に似ていました。これは「同じ先生から教わったから」ということで、予想通りです。発見 2：驚きの「真似っ子」発見！
Kimi-K2（中国の AI） というモデルが、Claude 社（アメリカ）の AI と、驚くほど似ていることがわかりました。- 言葉の使い方も、
- 「余計な確認作業」をする癖も、
- 失敗した時の直し方も、
Claude の「真似っ子」レベルでした。
なんと、Kimi-K2 の「余計な確認作業」の似ている度は、Claude 社自身の別のモデル（Opus 4.1）よりも高かったのです！
発見 3：他の AI（GPT-5 など）は違う
一方で、GPT-5 などは、言葉も行動ももっと独自性があり、Claude の「真似っ子」ではありませんでした。
4. なぜこれが重要なのか？
この研究は、**「AI が本当に賢くなったのか、それともただの『真似っ子』なのか」**を見極めるための「検知器」を作りました。
- 今の状況： 多くの AI が、数少ない「偉大な先生（トップクラスの AI）」から知識を盗み見て（ディストレーション）、同じような動きをするようになっています。
- リスク： みんなが同じ動きをするのは、**「多様性が失われる」**ことを意味します。もしその「先生」が間違っていたり、ハッキングされたりしたら、世界中の AI が同時に同じミスを犯す危険性があります。
- この論文の貢献：
「言葉の似ている度」と「行動の癖（特に余計な部分）」を測ることで、**「本当に新しい AI が生まれているのか、それとも既存の AI のコピーなのか」**を客観的に証明できるようになりました。
まとめ
この論文は、「AI たちが『同じ顔』をしているのは、誰かが『先生』の真似をしているからかもしれない」という仮説を検証し、「必要な動き」と「真似した癖」を分けて測る新しいメジャーを開発したという話です。
まるで、**「料理人が本当に腕を磨いたのか、それともただの『レシピの写し』をしているのか」**を見分けるための、新しい「味見の道具」を作ったようなものです。これにより、AI 業界の透明性が高まり、より安全で多様な AI 生態系を作っていくヒントになるでしょう。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。