長期的な生産性シミュレーションのための大規模シンセティック・コンピュータ
arXiv cs.AI / 2026/5/1
📰 ニュースSignals & Early TrendsModels & Research
要点
- この論文では、「Synthetic Computers at Scale」として、フォルダ階層が現実的で、文書・スプレッドシート・プレゼンなどのコンテンツ豊富なアーティファクトを含む、ユーザー固有の計算環境を生成する手法を提案しています。
- 各シンセティック・コンピュータ上で長期のシミュレーションを行い、1つのエージェントが合成ユーザーに合わせた「約1か月・複数の職業的成果物を要する」生産性目標を作成し、別のエージェントがファイルシステムの探索、シミュレートされた協力者との調整、成果物の作成を通じて目標を完遂します。
- 予備実験ではシンセティック・コンピュータを1,000台生成し、各シミュレーションは平均2,000ターン超で、実行には8時間以上のエージェント稼働時間が必要と報告されています。
- 生成された体験学習シグナルが、インドメインおよびアウト・オブ・ドメインの生産性評価の両方でエージェント性能を大きく改善したとされ、学習設定からの汎化が示唆されています。
- 著者らは、十分な計算資源があれば本手法を数百万〜数十億の合成ユーザーワールドへ拡張でき、職業や役割の多様性を幅広くカバーしつつ、エージェントの自己改善やエージェント型強化学習の基盤になり得ると主張しています。
