技術的概要：アジェンティック進化（AEVO）の活用

問題定式化

アジェンティック進化は、大規模言語モデル（LLM）に基づく問題解決を、候補の生成、それらの評価、そしてフィードバックを用いた将来の探索のガイダンスという反復プロセスとして再定義する。既存の手法は通常、このパラダイムを以下の 2 通りに具体化するが、どちらも長期的な探索においては限界に直面している：

1. 手続ベース進化：固定的で人手設計された外部ループ（選択、最適化、更新ルールなど）に依存する。モジュール化され再現可能である一方、これらの手法は硬直的である。これらは長期的な探索を静的なヒューリスティックに縛り付け、同じパターンを繰り返し利用したり、新たな証拠に適応できなくなったりする可能性がある。
2. エージェントベース進化：汎用エージェントを用いて探索プロセスを動的に管理する。柔軟性はあるものの、これらのエージェントは文脈が拡大するにつれて「ドリフト」に陥りやすい。蓄積された履歴を整理し、自らの動作メカニズムを修正するための安定したインターフェースを欠いているため、誤った証拠、陳腐な仮定、あるいは局所最適解に過剰に固執してしまうことがある。

特定された核心的な課題は、進化が時間とともに豊富な証拠（候補、フィードバック、トレース、失敗、コスト）を蓄積する一方で、既存のフレームワークはこれらの証拠を整理し、さらに重要なのは将来の進化を駆動するメカニズムを修正するための統一された安定したインターフェースを欠いている点である。

手法：AEVO フレームワーク

著者は、これらの限界に対処するため、アジェンティック進化をインタラクティブな環境として定式化する「活用されたメタ編集フレームワーク」であるAEVOを導入する。

中核概念：環境としての進化

進化を候補生成の線形列として捉えるのではなく、AEVO はそのプロセスを以下の要素を持つ環境として扱う：

• 状態（$s_r$）：すべての候補、評価結果、トレース、失敗、コストを含む、蓄積された進化文脈（$C_r$）。
• 遷移メカニズム（$\Pi_r$）：次のラウンドの候補がどのように生成されるかを決定する、現在のプロシージャまたはエージェント文脈。
• メタエージェント（$M$）：状態の要約（$o_r$）を観察し、次の候補を直接生成するのではなく、遷移メカニズム（$\Pi_r$）を編集する外部エージェント。

活用されたループ

AEVO は 2 段階のループを通じて動作する：

1. メタ編集フェーズ：メタエージェントは蓄積された履歴と作業領域を検査する。これにより、以下の要素からなるメタアクションを生成する：
   • 作業領域の編集：メカニズムを定義するファイル（プロシージャコード、プロンプト、スキル、ツール、フィードバック形式、または実行コンテキストなど）を修正する。
   • 実行計画：次のセグメントをどのように実行するか（反復予算、停止条件など）を指定する。
2. 進化セグメント：更新されたメカニズム（$\Pi_{r+1}$）が新しい計画の下で実行され、複数の候補を生成する。これらの候補は、報酬ハッキングを防ぐためにエージェントから隔離された保護された評価器を通過する。結果は検索可能な履歴に記録される。

具体化

AEVO は、この単一のフレームワークの下で 2 つの進化形態を統合する：

• 手続ベース具体化：メタエージェントは明示的な手続コンポーネント（選択戦略、最適化演算子、フィードバック要約など）を編集する。
• エージェントベース具体化：メタエージェントは汎用エージェントの動作コンテキスト（目標、スキル、メモリファイル、共有ノート、ツール定義など）を編集する。

重要な設計特徴は、安定した境界を提供するハネスである。これは評価器を保護し、構造化された証拠を記録し、メタエージェントが評価や候補生成ループの完全性を損なうことなくプロセスを観察・編集できるようにする。

主要な貢献

1. 環境定式化：本論文は、状態が蓄積された文脈であり、アクションが直接的な候補生成ではなく探索メカニズム自体への編集であるという、アジェンティック進化の新しい定式化を提案する。
2. 活用されたメタ編集（AEVO）：進化作業領域を標準化し、評価器を保護し、粗粒度の介入を可能にするフレームワーク。これにより、メタエージェントは基盤となるロジックやコンテキストを変更することで、硬直した手続と柔軟なエージェントの両方を誘導できる。
3. クロスフォーム具体化と評価：このフレームワークは、手続ベースとエージェントベースの両方の進化に対して正常に具体化され、同じメタ編集ループが明示的な探索手順またはエージェントの動作コンテキストを修正できることを実証している。

実験結果

著者は AEVO を 2 つの標準ベンチマーク（Terminal-Bench、ARC-AGI-2）と 3 つのオープンエンド最適化タスク（円パッキング、自己相関、カーネル最適化）で評価した。

• ベンチマーク性能：標準的なアジェンティックおよび推論ベンチマークにおいて、AEVO は 5 つの進化ベースライン（ADAS、DGM、AFlow、SPO、GEPA を含む）および単一エージェントの ReAct ベースラインを上回った。最も強力なベースラインに対して平均26% の相対改善を達成した。
• オープンエンド最適化：AEVO は 3 つのオープンエンドタスクにおいて 4 つのベースライン（Codex、Claude Code、OpenEvolve、HyperAgents）を上回った。特に、カーネル最適化タスクにおいて、AEVO は 100 反復以内に1138 サイクルを達成し、著者らはこれは同じ反復予算下で報告された最良の結果であると指摘している。
• 効率性と安定性：AEVO は初期の利益を超えて拡張する能力を実証した。直接的なコーディングエージェントは局所的な改善が停滞すると早期に停止することが多いが、AEVO は完全な進化予算を活用することで一貫した進捗を維持した。また、このフレームワークは、プロンプトキャッシングと永続的コンテキストを備えたハネスを通じて管理される場合、エージェントベース進化がコスト競争力を維持できることを示した。

意義と主張

本論文は、長期的な進化がより強力な候補生成器だけでなく、メカニズムレベルの介入から著しく利益を得ると主張する。進化プロセスを編集可能な環境として扱うことで、AEVO はシステムが局所最適解から脱出し、蓄積された証拠に基づいて探索戦略を適応させることを可能にする。

著者は、自らのアプローチがアジェンティック進化の統合された視点を提供することを強調する。基盤となる探索が固定的な手続によって駆動されるか、汎用エージェントによって駆動されるかにかかわらず、証拠の蓄積はその探索を駆動するメカニズムを修正するために活用できる。この「活用された」アプローチは、進化が観察可能で編集可能であり、真の目的と整合していることを保証し、構造化されていないエージェントベース進化でよく見られるドリフトや報酬ハッキングを防ぐ。

この研究は、科学的発見、ソフトウェア工学、自律的なコード最適化におけるアジェンティックシステムの将来の進展は、単により多くの候補を生成するのではなく、証拠を体系的に整理し、探索メカニズム自体を修正できるようなフレームワークに依存するであろうと示唆している。