Combee：自己改善型言語モデルエージェントに向けたプロンプト学習のスケーリング
arXiv cs.AI / 2026/4/7
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文では、モデルパラメータを更新せずに推論時のコンテキストを用いて、自己改善型LLMエージェントのためのプロンプト学習をスケールするフレームワーク「Combee」を提案する。
- これは、エージェントのトレースを高度に並列化したり大規模なバッチにしたりして学習すると、従来のプロンプト学習手法の品質が劣化するという主要な制約に対処する。
- Combeeは、並列スキャン、拡張されたシャッフル機構、そしてプロンプトの品質と学習遅延のバランスを取る動的バッチサイズ制御により、スケーラビリティと学習品質を向上させる。
- AppWorld、Terminal-Bench、Formula、FiNERでの実験では、従来手法に対して最大17倍の高速化を達成しつつ、精度は同等以上で、計算コストも同程度であることを示す。
