Itaru Tomita / 冨田到(@itarutomy):AIエージェントを増やすなら、各担当の能力だけでなく「誰に何を渡して、どこで完了とするか」も育てたい、と思わせる研究「EvoTeam」（https://t.co/mCVoo4shhK）。複数のAIが役割分担するマルチエージェントでは、以前うまくいった連携ルールが次の仕事を邪魔することもある。論文の予備実験では、調査向けの「発見を報告して終了する」手順を実装の仕事へ引き継ぐと、コード作成やテストまで進まない例が出ている。 EvoTeamは、仕事に合うチームを選ぶか新しく作り、そのチームに限って引き継ぎや検証のルールを蓄積する。一方、各担当が持つ個別のスキルは、別チームでも使えるようにする。チームを分ける基準は話題の近さではなく、必要な分業や確認手順。たとえば制約を調べ、実装し、別の担当が検証するという連携なら、異なる分野でも再利用できる。複数分野の課題を混ぜて改善した実験では、検索や推論を組み合わせるGAIAの正答率が77.00%。比較手法Meta-Teamは67.00%だった。評価用課題に入る前に蓄積内容を固定しており、評価中に覚え続けて出した数字ではない。モデルの重みを再学習する話でもない。連携の経験をどの仕事へ適用するか、境界まで管理する。AIチームを日常業務で使うなら、かなり実用的な論点だと思う。

2026.11.05 08:30

AIエージェントを増やすなら、各担当の能力だけでなく「誰に何を渡して、どこで完了とするか」も育てたい、と思わせる研究「EvoTeam」（複数のAIが役割分担するマルチエージェントでは、以前うまくいった連携ルールが次の仕事を邪魔することもある。論文の予備実験では、調査向けの「発見を報告して終了する」手順を実装の仕事へ引き継ぐと、コード作成やテストまで進まない例が出ている。 EvoTeamは、仕事に合うチームを選ぶか新しく作り、そのチームに限って引き継ぎや検証のルールを蓄積する。一方、各担当が持つ個別のスキルは、別チームでも使えるようにする。チームを分ける基準は話題の近さではなく、必要な分業や確認手順。たとえば制約を調べ、実装し、別の担当が検証するという連携なら、異なる分野でも再利用できる。複数分野の課題を混ぜて改善した実験では、検索や推論を組み合わせるGAIAの正答率が77.00%。比較手法Meta-Teamは67.00%だった。評価用課題に入る前に蓄積内容を固定しており、評価中に覚え続けて出した数字ではない。モデルの重みを再学習する話でもない。連携の経験をどの仕事へ適用するか、境界まで管理する。AIチームを日常業務で使うなら、かなり実用的な論点だと思う。