ScholarEvolve、再学習なしでAIエージェント強化

カリフォルニア大学サンタバーバラ校とMicrosoftの研究チームが開発した「ScholarEvolve」は、研究論文の知見をAIエージェントの実行基盤へ自動実装します。VentureBeatが2026年10月21日に報じました。モデルを再学習せず、Qwen3.5-27BのAppWorld Normalでタスク完遂率を69.0%から81.4%へ高め、GPT-5.4との差の約74%を縮めました。

従来の基盤最適化は、モデル内部の既知知識や過去の実行履歴に頼るため、未経験の弱点を先回りして補いにくい課題がありました。ScholarEvolveは失敗を監査し、arXivから関連研究を検索して、論文と公式コードを基に改良設計を作ります。ツール、文脈管理、スキル、記憶、処理手順という五つの機能を厳密な入出力で分離し、変更の波及を抑えます。

各論文から作った設計を一つのモジュールだけに実装し、インポート、インターフェース、出力形式などを自動検査します。その後、検証データで高得点のモジュールを遺伝的交叉で組み合わせ、回帰試験と統計確認を通った構成だけを採用します。単体性能ではなく、モジュール同士の相性まで選別する仕組みです。

実装例には、Python呼び出しの構文検査とAPI文書を表示する機能、関連性と新しさで会話履歴を残す文脈予算管理、成功例のAPI手順を型付き擬似コードへ変えるスキルがあります。未知のAmazon・Gmail APIを使うAppWorld Challengeでは、Qwenの完遂率が49.6%から63.6%へ上昇しました。途中でPythonエラーが起きた試行の完遂率も44.9%から59.9%へ改善しました。

企業導入では、重みを固定できるため独自チェックポイントの管理は不要ですが、取得した論文や外部コードの安全性審査が別途必要です。公開時点のGitHubリポジトリは空で、論文も悪意ある依存関係やプロンプトインジェクションへの検査を説明していません。検証済みの社内資料に対象を限定し、APIゲートウェイの決定論的な制御や上流検索の改善と併用するのが現実的です。