# 自己改善型エージェント、スキル構成の変化で性能低下の恐れ

> 研究チームは、導入後にスキルライブラリが変化すると、共進化型AIエージェントの性能向上分の大半が失われることを示す評価手法CODAを発表した。

Oossa · 2026-10-16 · https://oossa.com/ja/paper-warns-self-improving-agents-may-fail-when-skill-sets-change

Jinluan Yang氏が率いる研究チームは2026年10月16日、新たなarXiv論文を公開した。ポリシーとスキルバンクの両方を改善するよう訓練されたエージェントは、その後スキルバンクが変化すると脆弱になることを示している。著者らは、スキルの変化を模擬し、一貫性と耐性を測定する新たな評価手法「CO-evolution Drift Audit（CODA）」を提案した。4つの手法と5つのベンチマークを対象とした評価では、最悪の場合、成功率が5〜13ポイント低下し、スキルを使わないベースラインに対する優位性の大半が失われた。

## 事実

- 論文は2026年10月16日に公開
- 最悪時の成功率はピーク時より5〜13ポイント低く、向上分の52〜93％が失われる

## なぜ重要か

AIエージェントの導入者は、最高性能だけでなく、スキル構成の変化に対する頑健性も検証する必要がある。

## 出典と参考資料

1. [Evolving Together, Failing Apart: The Skill-Policy Co-evolution Trap in Self-Improving Agents](https://arxiv.org/abs/2610.20845) – arXiv, 2026-10-16

最終更新: 2026-10-16