大規模言語モデル（LLM）は静的ベンチマークでは優れた性能を示すが、動的で現実的な環境に展開する際には、概念ドリフトや勾配ベースの適応コストの高さといったボトルネックに直面する。従来のファインチューニングは非定常なデータストリームに適応できず、破滅的忘却を引き起こすか、多大な人手によるデータ整理を必要とする。これらの問題に対処するため、Nitin Vetcha氏とDianbo Liu氏の研究者らは、SOLAR（Self-Optimizing Lifelong Autonomous Reasoner、自己最適化生涯自律推論器）という新しいオープンエンド自律エージェントを提案した。
SOLARの核心は、パラメータレベルのメタ学習をエージェントの自己改善プロセスに統合することにある。まず常識知識の強力な事前分布を統合し、転移学習を効果的にする。次に、多層強化学習フレームワークを通じて、SOLARは自律的に適応戦略を発見し、テスト時に未知のドメインへ効率的に適応する。具体的には、SOLARはモデルの重みを探索可能な環境と見なし、外部勾配信号に依存せずにパラメータを調整する戦略を探索する。
重要なのは、SOLARが有効な修正戦略の進化的知識ベースを維持することである。この知識ベースは暗黙的にエピソード記憶バッファとして機能し、可塑性（新しいタスクへの適応）と安定性（メタ知識の保持）のバランスをとる。この設計により、SOLARは継続学習ストリームにおいて破滅的忘却を回避しつつ、性能を向上させ続けることができる。
実験結果は、SOLARが常識推論、数学、医療、コーディング、社会的推論、論理的推論など幅広いタスクで強いベースラインを上回ることを示している。例えば、常識推論ベンチマークでは、SOLARは従来のファインチューニングよりも精度が10%以上向上し、しかも人手によるラベル付けを一切必要としない。医療質問応答や数学推論タスクでも、SOLARは顕著な適応能力を示した。
本研究は、AAAI 2026会議のストリーミング継続学習ブリッジ（Streaming Continual Learning Bridge）ワークショップで採択され、CEUR Workshop Proceedings（第4183巻、2026年）に掲載された。論文は2026年3月23日にarXivに提出された（番号2605.20189）。著者らは、SOLARが進化する環境に生涯適応可能な自律エージェントへの重要な一歩であり、ロボティクス、自動運転、パーソナライズAIアシスタントなどの分野への展開に新たなパラダイムを提供すると考えている。