端末エージェント向けの効率化を実現する自己進化型フレームワーク：観測（オブザベーション）の文脈圧縮による手法

要旨: モデルの能力が向上するにつれ、研究はますます長期的で複数ターンの、端末中心のエージェント的タスクへとシフトしてきました。そこでは、将来の意思決定を支えるために、生の環境フィードバックがしばしば相互作用履歴として保持されます。しかし、このようなフィードバックを繰り返し保持すると、重大な冗長性が生じ、ステップ数に対して累積トークンコストが二次的に増大し、長期推論を妨げます。観測の圧縮はこの問題を緩和できますが、端末環境は多様であるため、ヒューリスティックに基づく、または固定プロンプト型の手法は一般化が難しくなっています。そこで本研究では、既存の端末エージェントのための相互作用軌跡から、圧縮ルールを自動的に発見し改良する、プラグアンドプレイの自己進化型「端末エージェント圧縮（TACO）」フレームワークを提案します。TerminalBench（TB 1.0 および TB 2.0）および、さらに4つの端末関連ベンチマーク（すなわち、SWE-Bench Lite、CompileBench、DevEval、CRUST-Bench）での実験により、TACOが主要なエージェントフレームワークと強力なバックボーンモデルのいずれにおいても一貫して性能を向上させることを示します。MiniMax-2.5では、ほとんどのベンチマークにおいて性能を改善しつつ、トークンのオーバーヘッドを約10%削減します。TerminalBenchでは、強力なエージェント的モデルに対して1%〜4%の一貫した改善をもたらし、同じトークン予算のもとで精度をさらに約2%〜3%向上させます。これらの結果は、端末エージェント向けの自己進化型でタスクに適応した圧縮が有効であり、一般化できることを示しています。