公開：2026年9月22日, 最終更新：2026年9月22日
30秒サマリー
- 復旦大学・美団の研究チームが、AIエージェントの実行履歴を再利用して自己改善するフレームワーク「DENSE」をarXivで発表
- 外部ラベルなしでフィードバックを生成し、厳格合格率を最大15.64ポイント改善、再実行時のトークン消費を最大43.6%削減
- 高コストな専門家アノテーションへの依存を減らしながら、エージェントの品質向上を自律的に実現する方向性を示す
何が起きたか
復旦大学と中国の食品デリバリー大手・美団のLongcatチームの共同研究チームは2026年9月18日、AIエージェントの自己改善を効率化する手法「DENSE（Distilling Evidence from Nested Subtask Executions）」に関する論文をarXivに投稿した。
DENSEは、オンライン上でエージェントが実際に動作した際に生成される大量の実行トレース（軌跡）に着目する。従来はこうした軌跡の活用に事後的な結果ラベルや専門家によるアノテーションが必要だったが、DENSEは「局所的な進捗」「エラーからの回復」「未完了タスク」といった軌跡内部の証拠を抽出・整理することで、外部ラベルなしに再利用可能なフィードバックを生成する。具体的には、冗長な試行を圧縮し、複数レベルにまたがる問題を回復証拠で整合させ、完了済みブランチを要約しながら未解決ブランチを展開する「証拠に基づくネスト型ショートカットツリー」を構築する。
評価にはTerminal-Bench 2.1というベンチマークを使用し、4つの受信モデルで検証した結果、DENSEは「非特権的フィードバック手法」の中で最も高い厳格合格率を達成したとしている。初期実行と比較した改善幅は7.12〜15.64パーセントポイント、再実行時の受信モデルのトークン観測数は19.0〜43.6%削減された。また、GPT-5.5を用いたアブレーション実験により、ネスト型サブタスク分析とショートカット構築・問題整合の組み合わせが有効であることが確認されている。論文は付録を含め42ページ。
原典ハイライト
論文アブストラクトによれば、DENSEは「事後的な結果ラベルなしに軌跡からフィードバックを蒸留する」手法であり、Terminal-Bench 2.1において非特権フィードバック手法の中で最高の合格率を記録。再実行時のトークン消費削減（最大43.6%）と精度向上（最大15.64pp）を同時に達成した点が核心的な成果として示されている。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
AIエージェントの品質改善には通常、人間の専門家によるアノテーションや結果ラベルの付与が必要で、スケールにコストがかかるという課題がある。DENSEが示す「実行軌跡の自律的再利用」というアプローチが実用化されれば、エージェントの運用コストを抑えながら継続的な性能改善が可能になる可能性がある。特にトークン消費の削減はAPIコストに直結するため、エージェントを大規模展開する企業にとって経済的なメリットが見込まれる。ただし本論文は学術論文であり、実サービスへの適用には追加検証が必要とみられる。
日本企業への示唆
AIエージェントを業務プロセスに導入・拡張しようとしている日本企業にとって、DENSEが示す示唆は二つある。第一に、エージェントの精度向上を外部の専門家アノテーションに頼らず自律的に行う設計思想が今後の主流になる可能性があり、ベンダー選定やシステム設計の際に「自己改善機能の有無」を評価軸に加えることが考えられる。第二に、トークン消費の削減という観点は、LLM APIのコスト管理に直結する。大量のエージェント実行を計画している場合、軌跡の再利用・圧縮といった効率化技術の動向を追うことが、TCO（総所有コスト）の抑制につながりうる。現時点では学術段階の提案であり、商用実装を前提とした即時採用判断は早計だが、研究動向として注視する価値がある。
背景・経緯
AIエージェントのオンライン展開が拡大するにつれ、エージェントが生成する実行トレースは膨大になっているが、その活用には従来、タスク固有の検証や専門家によるアノテーションが必要でスケールが困難だった。本研究はこの課題に対し、軌跡内部の証拠を自律的に活用するアプローチを提示するもの。著者らは復旦大学と美団（中国の大手テックカンパニー）Longcatチームに所属しており、実際のエージェント運用を念頭に置いた研究とみられる。
