GenericAgent：文脈情報密度最大化によるトークン効率の高い自己進化型LLMエージェント（v1.0）

arXiv cs.CL / 2026/4/21

📰 ニュースDeveloper Stack & InfrastructureModels & Research

共有:

要点

本論文は、長期的なLLMエージェントの性能は、単なる文脈長ではなく、有限のコンテキスト予算の中で意思決定に必要な情報をどれだけ保持できるかに左右されると主張しています。
汎用的な自己進化型エージェントシステムであるGenericAgent（GA）を提案し、「文脈情報密度最大化」という方針で重要情報が失われる問題を抑えます。
GAは、最小限の原子的ツール集合、デフォルトでは小さな高レベル視点のみを表示する階層的なオンデマンド・メモリ、検証済みの過去トラジェクトリを再利用可能なSOPと実行可能コードへ変換する自己進化メカニズムを組み合わせています。
長い実行中でも情報密度を維持するために、文脈の切り詰め・圧縮レイヤーを用いて、ツール利用効率やメモリの有効性、実行効率を高めます。
要旨によれば、GAはタスク達成、ツール効率、メモリ有効性、自己進化、Web閲覧といった複数の観点で主要なエージェントより高い性能を示し、同時にトークン数やインタラクション数も大幅に抑えられ、時間とともに進化し続けるとされています。