知能エージェントは失敗から学び、経験を継続的な改善につなげるべきだと考えられている。しかし現在のエージェントは、ミスから一時的にしか回復できない。コンテキスト内の反思はセッションをまたぐと忘れられやすく、限られたコンテキストを巡って競合する。一方、全パラメータのファインチューニングは高コストで、既存の能力を妨げる可能性もある。Yuval Kansal 氏ら 7 名の著者は論文「Don't Forget What You Just Learned: Self-Directed Repair Turns Agent Mistakes Into Lasting Lessons」で、この二つの極端の間にある実用的な道を提示する Self-Direction と呼ぶ仕組みを導入した。
Self-Direction の中心となる考え方は次の通りだ。エージェントがあるタスクに失敗すると、まず自身の実行軌跡を振り返り、そこから実行可能な教訓を抽出する。その後、その教訓を軽量な低ランクアダプタへ即座に蒸留する。全パラメータ微調整とは異なり、この手法はベースモデルの元の重みを凍結し、追加パラメータのみを訓練する。各アダプタが訓練するパラメータ数は、ベースモデルのパラメータ総数の約 0.02% に相当する。これにより、アダプタ訓練がベースモデルのパラメータを上書きするのを防ぎつつ、訓練コストを大幅に抑えている。
訓練が完了すると、エージェントはこれらのアダプタを永続的な「教訓ライブラリ」に保存する。その後、関連する問題に遭遇すると、システムは対応するアダプタを自動的に現在のタスクへルーティングし、以前学んだ修正経験を再利用する。つまり、ミスは単発のコンテキスト内リトライで終わらず、検索・再利用可能なモジュールとして固定化され、セッションをまたいでも「たった今学んだ教訓」を保持できるようになる。
著者らは複数のベンチマークでこの手法の効果を検証した。実験に使われたエージェントは Qwen ファミリーのオープンウェイトモデルに基づいている。テストは、オープンエンドな研究タスクである GAIA、ツール利用ワークフローの Claw-Eval、ターミナルタスクの Terminal-Bench 2.1 の三種類をカバーする。結果として、Self-Direction は全体の成功率を 8.9〜17.0 ポイント向上させ、フロンティアシステムと比較しても競争力のある性能を示した。
成功率の向上に加えて、研究では Self-Direction が将来同じタスクに再び遭遇した際の繰り返しミスを減らし、エージェントの修正の信頼性をほぼ倍増させることも分かった。さらに注目すべきは、学習した教訓に転移性がある点だ。少数のアダプタが追加訓練なしで数十の新しいタスクへ汎化する。これは、エージェントが新しい問題ごとにゼロから学ぶ必要がなく、既存の経験モジュールを活用して素早く適応できることを意味する。
論文はこの仕組みを「自己指向型修復」と位置づけ、日々のミスを持続的な教訓へ変えることを目指している。工学的な観点では、コンテキスト内リトライの柔軟性とポリシー更新の持続性を両立しつつ、ごく小さなパラメータ増分でコストと既存能力への干渉を抑えている点に価値がある。長期間にわたりセッションをまたいでタスクを実行するエージェントシステムにとって、この「失敗—反思—蒸留—ルーティング」の閉ループは、実装可能な継続改善の枠組みを提供する。本論文は 2026 年 10 月 22 日に投稿され、arXiv 番号は 2610.31846、cs.AI と cs.LG の領域にまたがる。