この記事の要点
- 記憶は増やすほど良いのではなく、モデルに合う量があります。
- ALTK-Evolveは、過去の成功と失敗を指針に変えて実行時に使います。
- 前回記事では、ACEとの比較でトークン費用の差も示されています。
AIの記憶は薬の量に近い
Hugging Faceに掲載されたIBM Researchの記事は、AIエージェントの記憶量を扱っています。答えは単純ではありません。多い記憶は、いつも良い薬にはなりません。
薬は、効く量を外すと体に合いません。AIエージェントの記憶も似ています。モデルごとに、受け取れる量が違います。
| 項目 | 発表で読める内容 |
|---|---|
| 公開日 | 2026年8月18日 |
| 一般提供の時期 | 発表に書かれていない |
| 料金 | 発表に書かれていない |
今回の発表は、製品の購入案内ではありません。研究結果の公開です。料金や対象ユーザーの条件は、発表本文には出ていません。
カルテはモデル本体ではない
agentic memory（AIエージェントが過去作業から得た指針を使う仕組み）は、ただの履歴保存ではありません。患者のカルテのように、次の対応へ効く知見を残します。
ALTK-Evolveは、エージェントの軌跡（作業の進み方）から指針を作ります。成功した作業だけでなく、失敗した作業も使います。モデル本体の重み（AIの中身の学習値）は変えません。
比べられたのは、主に渡し方です。baseline（記憶なし）、full guideline set（全部の指針）、curated retrieval（選んで取り出す方法）です。
| 構成 | AIに渡すもの |
|---|---|
| Baseline | 記憶なし |
| Full guideline set | すべての指針 |
| Curated retrieval | 中核とタスク別の指針 |
同じ薬でも、飲ませ方で効き方は変わります。記憶の価値は、保存より配り方に出ます。
強いモデル、弱いモデル、満腹のモデル
IBM Researchは、八つのモデルで実験しました。AppWorld（複数アプリをまたぐ作業ベンチマーク）のタスクを使っています。対象には、オープンなモデルから先端の独自モデルまで含まれます。
・強いモデルは、全部の指針を飲み込めます。DeepSeek-V3.2はTGCが79.8から89.3へ上がりました。
・弱めのモデルは、選ばれた指針の方が効きました。gpt-oss-120bはcurated retrievalでTGCが16.1ポイント伸びました。
・満腹に近いモデルは、追加しても動きません。GLM-5では、TGCもSGCも改善が0.0ポイントでした。
ここでいう満腹は、原因を決めつける言葉ではありません。発表は、観察された型として扱っています。残った失敗に合う指針がなかった可能性もあります。
節約が性能を落とさない場合
前回のHugging Face記事では、ACE（Agentic Context Engineering、別のエージェント記憶手法）との比較も示されました。違いは、学んだ内容を毎回全部送るか、必要分を選ぶかです。
DeepSeek-V3.2では、ALTK-Evolveが263K tokens/taskでした。ACEは634K tokens/taskでした。精度だけでなく、読む量にも差が出ています。
gpt-oss-120bでは、ALTK-Evolve selectedが116K tokens/taskでした。ACEは777K tokens/taskです。発表は、弱めのモデルで約7分の1の費用軸になったと説明しています。
この話は、単なる節約術ではありません。トークン（AIが読む文字片）の量は、遅さにも費用にもつながります。軽い処方が、現場で一番使いやすい場合があります。
AIを選ぶ目が変わる
AIを選ぶ時、多くの人はモデル名や得点を見ます。これからは、記憶の飲ませ方も効いてきます。賢いモデルでも、渡す指針が合わなければ伸びにくいからです。
仕事で使うAIエージェントは、作業の失敗から学んでほしいものです。けれど、失敗メモを山ほど積むだけでは足りません。必要な時に、必要な分だけ届く設計が大切です。
この発表の一言は、こう読めます。AIの記憶は量ではなく処方です。その感覚を持つと、AIエージェントの進化が少し近く見えてきます。