# PORA、LLMエージェントが推論の長さを判断

> 新手法PORAは、予算と期待できる効果に応じて、言語モデルエージェントが短い推論と長い推論を使い分けるよう学習させ、計算量を最大半分に抑える。

Oossa · 2026-10-21 · https://oossa.com/ja/pora-lets-llm-agents-decide-when-to-think-longer

Qi Zhang氏らの研究チームは、長い推論によって結果が改善するタイミングを学習するLLMエージェント向けの手法「PORA」を発表した。学習時には同じステップを、短い推論の制限と長い推論の制限の2通りで実行し、どちらが最終的に良い結果を出すかを確かめる。実行時には、コントローラーが学習した推定値と残りの計算予算をもとに、両方を試すことなく、より低コストな選択肢を選ぶ。メモリー、コード、小売、数学のタスクで行ったテストでは、メモリーのベンチマークでスコアが最大32.9%向上し、数学のタスクではモデル呼び出し回数が最大31%減少した。

## 事実

- 論文は2026-10-21にarXivで公開
- BFCLのメモリーベンチマークで、PORAは従来の最高性能を17.4～32.9ポイント上回る

## なぜ重要か

開発者は、性能を維持しながらクラウドの計算資源をより少なく使う、賢いAIエージェントを運用できる。これにより、複数段階の推論に依存するサービスのコストを抑えられる。

## 出典と参考資料

1. [PORA: Learning When More Reasoning Pays Off for LLM Agents](https://arxiv.org/abs/2610.27119) – arXiv, 2026-10-21

最終更新: 2026-10-21