複数の環境や目標にまたがってほぼ最適に行動する汎用エージェントは、メモリに何を保存しなければならないのか。arXivの論文「What Must Generalist Agents Remember?」（2606.18746）は、この問いに対して形式的な答えを与えている。著者はKhurram Yamin氏ら6名で、2026年6月17日に投稿され、分類は人工知能（cs.AI）である。
論文の中心にあるのは「観測のボトルネック」という設定だ。二つの異なる領域が、ある時点で同一または非常によく似た観測を提示する一方で、その同じ観測の下で要求される最適行動は互いに相容れない、という状況を考える。著者らは、あらゆる環境で一様に準最適となる方策は、こうした共有されたボトルネックにおいて必ず異なる記憶分布を誘導することを示す。
言い換えれば、現在の観測だけに基づいて意思決定するエージェントは、同じ観測に直面したときに自分がどちらの領域にいるのかを判別できず、両方の領域で同時に正しい選択をすることはできない。ここから得られる結論は分離定理と呼ばれる。十分に成功するエージェントは現在の状態観測だけに依存することはできず、領域に関わる情報をメモリに保持しなければならない。この結果は、記憶が汎用性そのものから要求される条件であり、付け足しの構成要素ではないことを理論的に示している。
論文はさらに、記憶のもう一つの役割を特徴づける。エージェントの記憶が、現在のタスクに関連する他の目標の価値を推定するのに十分な情報を含んでいれば、その記憶を使ってエージェントが置かれた局所的な遷移力学を近似的に再構成できる、と著者らは証明する。すなわち、価値推定を支える記憶は、環境がどのように変化するかという理解をも担い、計画の基盤となる。
これらの結果を合わせると、記憶は三つの機能を同時に支える基盤として位置づけられる。共有された観測の下での領域の曖昧性解消、遷移モデルの再構成、そして汎用エージェントのための計画である。本研究の意義は、「汎用エージェントには記憶が必要だ」という直観を証明可能な命題へと変換し、記憶の内容とエージェントが達成できる性能との対応を明確にした点にある。
なお、これは理論的な論文であり、貢献は形式化されたモデルと定理の証明に集中している。要旨には具体的な実験やシステム実装には触れられていない。全文はarXivから取得でき、PDF、実験的なHTML版、TeXソースが公開されている。