AIエージェントを強化する新技術AgentFly、大規模言語モデルの再学習なしに87%の精度を達成

AIエージェントの性能向上に伴う膨大な計算コストと記憶の消失リスクを解決する新技術「AgentFly」が登場した。従来のアプローチでは、AIエージェントの能力を高めるために大規模言語モデル（LLM）の数十億のパラメータを再学習する必要があり、これには数百万ドルに及ぶ計算リソースが消費され、過去に学習した知識を失う「カタストロフィックフォgetting」のリスクも伴っていた。しかし、AgentFlyはこの根本的な課題を一新するアプローチを採用している。 AgentFlyの特徴は、LLMそのものを再調整（ファインチューニング）せずに、エージェントの行動能力を向上させることにある。代わりに、エージェントが経験したタスクの結果やプロセスを「記憶」として保存し、必要に応じて参照する「記憶ベースの学習」を実現。これにより、パラメータの再更新を避け、計算コストを大幅に削減しながら、継続的な学習が可能になる。 実験では、GAIAベンチマークにおいて87%の精度を達成。これは、従来のファインチューニング手法と比較しても同等以上、かつはるかに低コストで実現された成果である。この技術の本質は、人間が「経験を積む」ことで成長するのと同じように、エージェントも過去の行動を記録・活用することで、知識を蓄積しながら進化できる点にある。 数学的枠組みでは、記憶の格納と効率的な検索を支えるアルゴリズムが設計されており、特に類似した状況に対する適応性を高める仕組みが特徴。これにより、エージェントは新しい課題に対しても過去の知識を活かせる。 AgentFlyは、AIエージェントの実用化に向けた新たな道を開く。特に、リアルタイムで柔軟に学び直す必要があるビジネスやロボティクス分野での応用が期待される。今後の展開として、記憶管理の精度向上や、マルチエージェント協調学習への拡張が進められている。