大規模言語モデル（LLM）エージェントが複雑な多段階タスクを遂行する際、失敗の原因は知識不足ではなく、APIの誤った使用や不適切な値の返却といった「利用方法の内部化の欠如」にあることが指摘されています。
この利用方法の改善は、エージェント自身の過去の行動履歴から学習することが可能です。
このアプローチを採用した代表的なシステムとして、ACE（Agentic Context Engineering）と、本稿で紹介されるALTK-Evolveが存在します。
これら両システムは、エージェントの過去の軌跡を再利用可能な教訓に変換し、推論時にフィードバックすることで、モデルの重み更新や人間のラベル付けなしに学習を実現する「エージェント的メモリ」の一種です。
両システムは、エージェントの失敗から得られた教訓を扱うという点で共通していますが、その「提供方法」に違いがあります。
ACEは、得られた教訓を一つの包括的で進化するプレイブックとして整理するのに対し、ALTK-Evolveは個別に検索可能なガイドラインとして集約します。
両者は、教訓を圧縮することには反対の立場を取っています。
ACEは「簡潔性バイアス」や「コンテキスト崩壊」といった問題点を挙げ、詳細な項目立てと、各項目に対する「ヘルプフル/ハーマフル」カウンターを維持することで、モデルが読み取り時に関連性を蒸留できるようにしています。
ALTK-Evolveも同様に、各ガイドラインに「サポートカウント」（独立したエピソードでそのガイドラインが生成された回数）を付与し、教訓を少数のルールに要約することを避けています。
この「カウントし、崩壊させない」という基本方針は、ACEとALTK-Evolveが共通して導き出した結論です。
教訓の構築方法と提供方法の違いが、最終的なトークン使用量に影響を及ぼします。
ACEは、ジェネレーター→リフレクター→キュレーターのループを通じて一つのプレイブックを成長させ、埋め込みによる重複排除を行いますが、ALTK-Evolveは個別のガイドラインとして教訓を保持します。
この記事は元情報をAIで日本語に要約したものです。全文翻訳ではなく、人手による完全な検証を保証しません。詳しくは原文をご覧ください。