論文解説: 共進化するエージェント系 — 人間の設計を超えた自己進化への三段階

「デプロイ後も賢くなり続けるエージェント」はなぜ頭打ちになるのか。相手・環境・進化の仕組みそのものを順に動かしていく三段階の分類を、サーベイ論文の本文から1から解説する。定義の式、各段階の代表手法、評価と安全の未解決点まで。

Co-Evolution in Agentic Systems: Toward Self-Directed Evolution Beyond Human Design

走るのをやめた瞬間に、置いていかれる

同じ場所にとどまるためだけでも全力で走り続けなければならない——『鏡の国のアリス』の赤の女王の話です。生物学ではこれを赤の女王効果と呼び、捕食者が速くなれば獲物も速くなる、という終わらない追いかけっこを説明する言葉として使われます。

今回のサーベイ論文は、この考え方をAIエージェントに持ち込みます。出発点はこうです。エージェントは「デプロイした後も勝手に賢くなる」ことを期待されているのに、いま主流の自己進化は、たいてい片側しか動かない（§1）。

「自己進化」がぶつかる天井

自己進化とは、人手を介さずにエージェントが経験・フィードバック・失敗から自分を更新し続けることです。よくある形は単一主体の自己進化——モデル本体を追加学習する、記憶を書き換える、スキルを増やす、といった1体の中で閉じた更新です（§1）。

論文が指摘する問題は、その更新が固定された学習文脈に囲まれていること。タスクは固定、フィードバック規則も固定、相手も固定。同じベンチマークを繰り返し解く、いつも同じ相手とだけ対戦する、報酬の付け方は人が決めたまま動かさない——どれも学習文脈が止まっている状態です。片側だけが適応しても、いずれ伸びしろが尽きます。「進歩を続けるには片側だけの適応ではなく相互の適応が要る」——これが赤の女王効果の読み替えです（§1）。

まずエージェント系を定義する

論文はここを曖昧にしません（§2.1）。エージェント系 $S=(A,E)$ は、エージェントの集まり $A$ と環境 $E$ からなります。個々のエージェントは次のように分解されます。

つまり、エージェント1体（$a_i$）は「頭の中身」と「持ち物」を組にしたものにすぎない、という宣言です。

$m_i$ はモデル本体（LLMなどの中身）、$h_i$ はハーネス（記憶・ツール・スキル・プロンプト・ワークフローといった周辺装備）です。実務の言葉に直せば、$m_i$ は追加学習で動く部分、$h_i$ はプロンプトやツール定義、メモリのスキーマといったコードとして触れる部分にあたります。同じモデルを共有していても、ハーネスが違って役割や目的が異なれば別のエージェントとして扱います。そして「進化した」とは、

つまり中身か装備のどちらかが変わったとき、そのエージェントは進化した、という定義です。$\Delta$ は「前回からの変わり分」、$\iff$ は「左と右は同じ意味」、$\lor$ は「または」。これは、追加学習をしたときだけが進化ではなく、プロンプトを1行書き換えただけでも進化に数えるということです。

さらにエージェントはただの集合ではなく、役割・通信トポロジ・分業を表す構造 $\Pi$ を伴って $A=(\{a_1,\dots,a_n\},\Pi)$ と書かれます。$\Pi$ が変わるだけでも $A$ は進化した扱いです。環境 $E$ は $A$ の外側すべて、$\tau^t$ は思考→行動→観測のサイクルの履歴です。エージェントの基本構造が怪しい人は、先にLLMエージェントの基礎を読むと以降が楽になります。

共進化の条件は「互いに押し合っている」こと

進化を駆動する仕組みを $\Omega$ と置き、$S^{t+1}=\Omega(S^t,\tau^t)$ と書きます。$\Omega$ は何を・いつ・どのように・どこで進化させ、その良し悪しをどう評価するかを決める規則の束です（§2.2）。

そのうえで論文は共進化を、「少なくとも2つの進化単位が同時に適応し、互いのその後の進化条件を作り替え合うこと」と定義します。情報を交換した、やりとりした、では足りません。片方が強くなった結果として、もう片方の直面する問題が変わる——この双方向の圧力があって初めて共進化です。

手早い判定法があります。片側を固定して同じ実験を回し、結果が変わらないなら、それは相互作用であって共進化ではない。この線引きがあるから、サーベイは多くのマルチエージェント研究を対象外にできています。分類はこの「どこまで動かしてよいか」の境界が広がる順に、三段階で並びます（§2.3）。