研究とモデル 2026年10月16日

今週 · プレプリント 10 月 13 日

RBC、教訓集の選別で成功率向上——論文は一本だけ

一本の arXiv 論文が、エージェントが書いた教訓集（プレイブック）をランダムなオン・オフ実験で選別した。選別後のプレイブックの平均成功率は 66.9、プレイブックなしは 54.1。全部そのまま使うと 55.5、エージェントに選ばせると 53.8 だった。 手法は RBC と呼ばれ、プレイブックの各教訓をランダムにオン・オフして、成功率の差から各教訓の効果を推定する。原文：「the same procedure can write a playbook that helps or one that falls up to 69.6 points below no playbook」（arXiv 2610.18427）。対象のモデルと評価ベンチマークの名前は要旨に書かれていない。成功率の単位と基準も書かれておらず、全文は未読。同じ日に出た別の三本のプレプリントも、プロンプト、記憶、ワークフローだけを変えて重みは変えず、ホールドアウトデータでの検証か独立した検証で、採用するかどうかを決めている（arXiv 2610.18216；arXiv 2610.18813；arXiv 2610.18845）。この一群の論文でエージェントの「自己改善」が指すのは、外側の手順と統計的な関門であり、モデルの重みの変更ではない。四本の要旨を並べた本紙の読みである。同じ日に四本が出たのは偶然かもしれず、本紙は検証中の観察として記すにとどめる。 どう確かめたか →