あなたのコンピュータの中に住んでいる、ものすごく賢いロボットの友達を想像してみてください。このロボットはあなたの画面を見ることができ、画面上の内容を読み取り、さらにはボタンをクリックしたり言葉を入力したりして、ファイルの整理や航空券の予約といったタスクの完了を助けてくれます。私たちはこれらを「コンピュータ・ユース・エージェント（Computer-Use Agents）」と呼んでいます。長い間、科学者たちは、これらのロボットを賢くする最善の方法は、作業中に単に「脳の力」を与えることだと考えてきました。それはまるで、「パズルで行き詰まったら、もっとじっと見つめるか、今まで見たすべてのことを思い出そうとする」という考え方です。これは「推論時スケーリング（inference-time scaling）」と呼ばれます。つまり、ロボットが仕事をこなすために、より多くの時間やコンピュータのエネルギーを費やすことで、仕事の精度を高めようとする考え方です。

しかし、ここに落とし穴があります。こうした超高性能なロボットの多くは、クラウド上の巨大で高価なサーバー上で動いています。では、もしこのロボットを、バッテリーが小さく、プロセッサが巨大なスーパーコンピュータではない、あなた自身のノートパソコンやスマートフォンで動かしたいとしたらどうでしょう？そこで「ローカル（local）」エージェントが登場します。大きな疑問は、自分のデバイスで動いている、より小さくて安価なロボットに対して、「もっと時間をかけて考えさせる」ことや「もっと多くの履歴を記憶させる」ことが、実際に仕事の完了に役立つのかどうかということです。それとも、ただ空回りさせたり、混乱させたり、バッテリーを無駄遣いさせたりするだけなのでしょうか？この論文は、まさにその謎を解明するために、もっと「一生懸念して考える」ことが小さなローカル・ロボットにとって本当に役立つのか、それとも新しい種類のミスを引き起こすだけなのかを検証しています。

ローカル・ロボットの大実験：もっと考えることは、成功につながるのか？

著者たちは、このアイデアを検証することにしました。彼らは3種類の異なる「ローカル」コンピュータ・エージェント（あなた自身のハードウェアで動作するロボット）を用いた一連の実験を設定し、コンピュータ画面上での現実世界のタスクを解決するように指示しました。彼らは、ロボットにリソースを与えるために4つの特定の「つまみ（ノブ）」を調整したときに何が起こるかを知りたかったのです。

1. コンテキスト・スケーリング（記憶のつまみ）: ロボットは過去のスクリーンショットをいくつ記憶するか？
2. テンポラル・スケーリング（時間のつまみ）: ロボットが停止する前に、何ステップ（クリックや入力）の動作を許可されるか？
3. ストラクチャル・スケーリング（チームワークのつまみ）: ロボットはすべて自分一人で行うべきか、それとも仕事を「計画を立てる部分」と「実際にボタンをクリックする部分」の二つに分けるべきか？
4. パラレル・スックケーリング（クラウドソーシングのつまみ）: ロボットは一度にいくつかの異なる計画を立て、その中から最善のものを選ぶべきか？

結果は驚くべきものであり、少し滑稽なものでした。結局のところ、これらのローカル・ロボットにとって、単に「一生懸命やろうとする」ことが、必ずしも「より良くできる」ことを意味するわけではないことが分かりました。実際、時には状況を悪化させることさえあるのです。

メモリー・トラップ（記憶の罠）：覚えすぎることの弊害

まず、彼らは記憶のつまみをテストしました。その結果、記憶を持たない（現在の画面しか見ていない）ロボットは悲惨な状態になることが分かりました。ロボットはループに陥り、さっき何をしたかを覚えていないために、同じボタンを何度も何度もクリックするという、ハムスターが回し車の中で走り続けているような状態になります。ほんの少しの履歴（1つ前の画面）を与えるだけで、劇的な変化が見られました。これにより、ロボットの状態が安定したのです。

しかし、著者たちは「スイートスポット（最適値）」があることを発見しました。ロボットに（4つではなく8つの）過去の画面を覚えさせるなど、あまりに多くの履歴を与えると、ロボットは賢くなるどころか、実行コストが高くなるだけでした。追加のメモリは、タスクをより良く解決する助けにはなりませんでした。代わりに、ロボは新しい種類のミスをし始めました。それが**「早期の偽りの成功（premature false successes）」**です。試験を受けている学生が、最後の問題に取り組む代わりに、読み進めるのが疲れてしまったために「終わりました！」と適当に答えて、答案を提出してしまう様子を想像してみてください。履歴に圧倒されたロボットは、実際にはまだ終わっていないのに、タスクが完了したと勘違いしてしまうことがあったのです。したがって、論文はローカル・ロボットにとっては、適度な量のメモリがベストであると示唆しています。つまり、ループを避けるには十分だが、ロボットを混乱させて早すぎる諦めを誘発しない程度の量です。

タイム・トラップ（時間の罠）：ステップを増やしても問題は変わらない

次に、彼らは時間のつまみを回しました。「もし行き詰まったら、もっと試行させてみよう！」と考え、ロボットがタスクを完了するために多くのステップを踏めるようにしました。結果はどうだったでしょうか？ロボットがタスクを完了できる能力が大幅に向上することはありませんでした。ただ時間がかかるようになっただけです。

著者たちは、ロボットに多くの時間を与えても、その悪い論理（ロジック）は修正されないことを発見しました。ただ、同じ間違いをより多く犯すようになるだけなのです。もしロボットが間違った道を進んでいた場合、15ステップではなく100ステップを与えたとしても、それは単に、自分が迷っていることに気づく前に、間違った道をより遠くまで歩ませるだけでした。主なメリットは、ロボットが「時間制限」の壁にぶつかるのを防ぐことでしたが、ミスを防ぐことはできませんでした。実際、それはしばしば先述の「早期の偽りの成功」を招き、タックスが終わっていないのに終わったと思い込ませる結果となりました。論文は、ローカル・モデルにとって、単に時間を増やすことは魔法の解決策ではなく、主にバッテリーを消費するだけであると示唆しています。

チームワーク・トラップ（多すぎる料理人）

次に、彼らはストラクチャル・スケーリングを試みました。ロボットを、「何をすべきかを考えるプランナー（計画者）」と、「実際にボタンをクリックするドゥアー（実行者）」の二つに分けました。彼らは、これが将軍と兵士の関係のように、将軍が素晴らしい計画を立てることを期待しました。しかし、ローカル・コンピュータにおいては、これは裏目に出ました。

「プランナー」の部分が書く計画は、しばしば乱雑であったり不完全であったりし、その結果、「ドゥアー」がそれを理解できないことがありました。それはまるで、将軍が兵士の知らない言語で命令を叫んでいるようなものです。これは余計な作業量（計算コスト）を増大させ、実際には、すべてを自分一人で行う単一のロボットよりも、タスクの完了率を悪化させました。唯一、これが効果を発揮したのはパラレル・スケーリングを用いた場合、つまり、プランナーに一度に複数の異なる計画を書かせ、その中から最善のものを選ばせたときだけでした。これは多少の助けにはなりましたが、それらの追加の計画を生成するために膨大なコンピュータ・パワーを消費しました。論文は、ローカル・ロボットの場合、余分なパワーを使い果たす覚悟がない限り、仕事を分割するよりも、シンプルに保つ（一つのロボットが両方の役割をこなす）方が通常は良いと示唆しています。

大きな教訓：量よりも質

では、この研究の最終的な結論は何でしょうか？著者たちは、ローカル・コンピュータ・エージェントにとって、従来の「計算量は多ければ多いほど良い」という考え方は罠であると示唆しています。

単にメモリや時間、あるいは複雑なチーム構造を力技で投入するのではなく、持っているリソースをより賢く使う必要があります。

• メモリを与えすぎない： 多少の履歴は素晴らしいが、多すぎるとロボットを混乱させる。
• ただ待つだけではダメ： 混乱しているロボットに時間を与えても、単に混乱した状態を長くさせるだけである。
• シンプルに保つ： 仕事を「計画」と「実行」に分けることは、ローカル・デバイスでは解決策よりもむしろ頭痛の種になることが多い。

論文は、ローカル・コンピュータ・エージェントの未来は、ブルートフォース（力任せ）な方法で「もっと深く考えさせる」ことではないと結論づけています。それは、自らの限界を認識し、いつ止まるべきかを知り、軌道から外れないように適切な量のリソースを使用できる設計にすることです。これは、時には、巨大で働きすぎのロボットよりも、小さく集中したロボットの方が優れているということを思い出させてくれます。