ALTK‑Evolveのアプローチは、一見するととてもシンプルです。エージェントの過去の失敗と成功を分析し、短い行動ルールにまとめてシステムプロンプトに追加し、同じベースモデルにその永続的なコンテキストを使って実行させます。τ²‑benchのポリシー準拠が求められるカスタマーサービス業務では、この手法によってgpt‑4.1のReActエージェントが小売分野で最先端モデル群に並び、gpt‑5.5エージェントは航空分野でトップに立ちました。この結果は、本番環境を担うチームにとって実践的な示唆を与えています。性能差を埋めるために、必ずしもモデルのパラメーターを増やす必要はありません。狙いを定めた質の高いメモリが、成果を大きく変えることがあります。
ALTK‑Evolveが「学習済みガイドライン」と呼ぶものは、簡潔なプレイブック項目です。たとえば、データベースに書き込む前に本人確認を行う、変更内容を明確に確認する、1ターンにつきツール操作を1回にする、ユーザー識別子の形式を統一する、といったルールです。こうしたルールは、エージェントを動かすものと同じLLMを使い、エージェントの実行履歴から自動生成されます。人手によるアノテーションも、モデルの重みの更新も必要ありません。ガイドラインはプロンプトに組み込まれるため、セッションをまたいで一貫して即座にエージェントの振る舞いを変えられます。繰り返しファインチューニングする場合と比べ、低コストで改善でき、監査もしやすい永続メモリの一形態です。
実証結果は明確です。抽出したガイドラインを欠落なく追加すると、小売タスクのPass^4は10ポイント上昇して67.5%となり、航空タスクの成績も大幅に向上しました。しかも多くの場合、会話のターン数は増えていません。主なコストはシステムプロンプトの拡大による入力トークンの増加であり、API呼び出しの往復回数が増えたわけではありません。プロンプトキャッシュや慎重なコンテキスト設計を活用すれば、トークンコストの大部分を抑えられます。そのため、このメモリ手法は大量のカスタマー対応を行う場合にも経済的な選択肢となります。
プロダクトやオペレーションを担うチームにとって、このアプローチは、長期的な効果を得るためにどこへ開発リソースを投じるべきかを捉え直すきっかけになります。次の最先端モデルを追い続けるのではなく、メモリの品質、ガイドラインの整備、ライフサイクル管理ツールに投資するのです。ただし、学習済みメモリは万能ではありません。手順が明確で、ポリシーが安定しており、ツール操作が決定的なプロセスで最も効果を発揮します。以下では、その仕組みや他の手法との比較、導入に役立つ実践的なチェックリストを紹介します。