30秒サマリー
- モデルの重み更新なしに自然言語の「記憶」を再帰的に書き換えて自己進化するエージェント手法RSEAが提案された
- 保留データによる厳格な「改悪禁止ゲート」を設けることで、いかなるベンチマークでも基準性能を下回らない単調安全性を達成
- 一方、ゲートなしで文脈を更新する手法はタスクによって性能が大幅に崩壊するリスクが確認された
何が起きたか
2026年6月17日、Michael Nguyenら3名がarXivに論文「Recursive Self-Evolving Agents via Held-Out Selection」を投稿した。提案手法RSEAは、LLMのモデルウェイトを変えずに「命令的戦略・再利用可能スキル・手続き的プレイブック」の3層からなる自然言語状態を持ち、自身の行動軌跡からこれら3層を再帰的に書き換える仕組みを持つ。候補となる更新は、学習に使っていない分離済み保留データセットで検証し、性能が退行しない場合のみ採用する「keep-betterゲート」によって管理される。
実験はALFWorld・GAIA・τ-bench・WebShopの4ベンチマーク、ReAct・Reflexion・GEPA・AWM・ACE・Dynamic Cheatsheetの6ベースラインと、共通のローカルバックボーンモデルを用いて比較された。RSEAはALFWorldでシングルパス69.3%（ReActの64.6%に対し統計的に有意）、リトライあり79.4%を記録し最高性能を示した。ただし、ツール使用タスクでは具体的ワークフローを帰納するAWMが最良であり、「万能な手法は存在しない」という知見が示された。
安全性に関しては明確な対比が示された。保留ゲートなしでオンライン文脈更新を行う「Dynamic Cheatsheet」はALFWorldで70.7%と高性能だった一方、WebShopでは0.14という低スコアに崩壊（ReActの0.43と比較）。RSEAは全ベンチマークでベースエージェントを有意に下回ることがなく、進化した文脈が有害と判断された場合はバニラReActに自動フォールバックする動作が確認されている。
原典ハイライト
論文は「無防備な文脈進化は高分散かつ安全でない（unguarded context evolution is high-variance and unsafe）」と明記し、保留データによる厳格な選択こそが再帰的自己進化を単調安全にする本質的要因だと結論づけている。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
LLMエージェントがプロンプトや行動指針を自律的に書き換えて「自己改善」するアーキテクチャは実用段階に近づきつつあるが、改善ループに安全弁がなければ特定タスクで壊滅的に性能が低下するリスクが実証された。安全な自己進化には「改善を確認する独立した評価セット」と「改悪時のロールバック機構」がセットで必要であることが明確になった。
日本企業への示唆
日本企業がLLMエージェントを業務自動化に導入する際、エージェントが自律的にプロンプトや手順書を更新する設計を採用するなら、①本番環境とは独立した保留テストセットを必ず用意し、②更新候補が既存性能を下回った場合に自動で旧バージョンに戻す仕組みを組み込むことが安全運用の最低条件と言える。また「どのベンチマークでも最強の手法は存在しない」という知見は、社内PoC段階で自社業務に近いタスクで個別評価を行う重要性を示している。単一ベンダーや単一手法の公称スコアのみで導入判断しないよう留意が必要だ。
背景・経緯
LLMエージェントの性能向上手法として、モデル自体を再学習せずにリフレクション・プレイブック・最適化済みプロンプトといった自然言語の「記憶」を更新するアプローチが近年注目されている。ただし論文が指摘するように、各手法はそれぞれ有利なベンチマークで報告されることが多く、横断的な比較が乏しかった。本研究はこの空白を埋める比較実験として位置づけられている。
