Evolver: Turning Agent Exploration into Evolving Capabilities
Evolverは、基盤モデルのパラメータを更新することなく、エージェントによる一時的な探索を永続的で再利用可能な能力へと変換する経験駆動型のフレームワークであり、それによって複数のベンチマークにおけるタスク成功率と実行効率を向上させます。
原論文は CC BY 4.0 (https://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
人工知能の世界において、エージェントとして知られるプログラムの新たなクラスが増加しています。単に質問に答えるだけの単純なチャットボットとは異なり、これらのエージェントは行動を起こすように設計されています。彼らはファイルをオープンし、コードを実行し、インターネットを検索し、複雑なデジタル環境と相互作用して、人間のエンジニアや研究者が行うような多段階の問題を解決することができます。成功するためには、エージェントは周囲を探索し、さまざまなツールを試し、失敗から学ぶ必要があります。しかし、重大なボトルネックが生じています。エージェントが困難な問題を解決するたびに、そこで学んだ貴重な教訓が失われてしまうことが多いのです。タスクが終了すると、どのように苦闘し、何を試し、何が最終的にうまくいったのかという詳細な記録は破棄されます。次に同様の問題が発生したとき、エージェントはゼロから再開し、同じ探索的な試みを繰り返し、計算資源を浪費してしまうのです。研究者たちが直面している中心的な問いは、この束の間の経験をどのように捉え、エージェントの基礎となる「脳」を根本的に再学習させることなく、時間の経過とともにエージェントを向上させるための永続的なリソースへと変えるかということです。
ある研究チームは、この問題を解決するために「Evolver」と呼ばれるシステムを導入しました。エージェントを動かしているコアとなるソフトウェアを変更しようとするのではなく（これは困難でコストのかかるプロセスです）、Evolverはタスクごとに賢くなっていく外部メモリバンクとして機能します。このシステムは単純な原理に基づいています。それは、エージェントによる探索の生々しく混沌とした履歴を、整理された再利用可能な指示へと変換することです。エージェントがタスクを完了すると、Evolverはそのセッションを分析して、最も有用な戦略を抽出します。そして、それらの戦略を「Gene assets（遺伝子資産）」と呼ばれる構造化されたユニットへとパッケージ化します。これらは生物学的な意味での遺伝コードではなく、いつ使用すべきか、どのようなステップを含むかといった、手順の簡潔で明確な記述です。また、システムは失敗した試みの記録も保持し、「避けるべき事項」のリストを作成することで、エージェントが過去の過ちを繰り返さないようにします。
Evolverの真の力は、この蓄積された知識をどのように活用するかにあります。新しいタスクが到着したとき、システムはエージェントを盲目的に彷徨わせることはしません。代わりに、現在の状況に一致する関連戦略を見つけるために、Gene assetsのライブラリを検索します。そして、これらの指示をエージェントのワークフローに投入し、エージェントが行動を開始する前にその意思決定を導きます。このプロセスは、エージェントの根本的なプログラミングを変更することなく行われます。エージェント自体は変わりませんが、歴史的な知恵を精査された形で備えることで、より効率的に問題に対処できるようになります。研究者たちは、2種類の異なる高度なコーディングエージェントと、ソフトウェア修復やターミナル操作などの領域のパフォーマンスを測定する4つの異なるベンチマークを用いて、このアプローチをテストしました。彼らは、単独で作業する場合と、Evolverによる過去の経験のライブラリの支援を受けて作業する場合の、エージェントのパフォーマンスを比較しました。
結果は、この「探索を進化へと変える」手法が非常に効果的であることを示唆しています。320組のペアテストにおいて、Evolverを使用したエージェントは、単独で作業するエージェントよりも高い成功率を収め、成功率は83.13%から87.50%へと上昇しました。この向上は、異なる種類のタスクや異なる基礎となるエージェントモデルにおいても一貫していました。さらに驚くべきは、効率性の向上です。Evolverによって導かれたエージェントは、目標に到達するために使用する計算資源が大幅に減少しました。平均して、処理されたデータ量（トークンで測定）は24.24%減少しました。この減少は、単に失敗が減ったことによる副次的な効果ではありません。ガイドされたエージェントとガイドされていないエージェントの両方が成功した場合でも、ガイドされたバージョンの方が17.57%少ないリソースを使用していました。これは、歴史的な経験が、エージェントにとってより短く直接的な解決策への経路を見つけ、不要な回り道や冗長な計算を回避するのに役立ったことを示しています。
研究者たちは、具体的な例を用いてこれらの利点を説明しました。データトークンのカウントを含むあるタスクでは、Evolverの支援を受けたエージェントは、支援なしのエージェントと比較して、86.5%少ないリソースを使用し、AIモデルへの呼び出し回数も大幅に減少させました。複雑なソフトウェアのバグを含む別の事例では、ガイドされたエージェントは、データ使用量を58.2%削減して問題を解決しました。これらのケースは、このシステムが単にエージェントが失敗する場面で成功を助けるだけでなく、より優雅かつ迅速に成功させることもできることを証明しています。本研究は、過去の探索を永続的で再利用可能な資産として扱うことで、エージェントがその能力を継続的に向上させることが可能であると結論付けています。このアプローチは実用的な進むべき道を提供しており、コアモデルの重い再学習コストをかけることなく、人工知能システムがその歴史から学び、スキルを進化させることを可能にし、あらゆる完了したタスクを次のステップへの踏み台へと変えるのです。
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。