Recursa、新領域で基盤モデルを再帰的に自己改善

導入

基盤モデルを未知の領域で使う際、課題は単に一般的な文章生成能力が足りないことではありません。専門用語、業務上の手順、判断の基準、そして誤りを見つける方法が不足している場合があります。しかも、新しい領域では専門家が作成した大量のデータや、継続的に正解を示してくれる強力な教師モデルを用意できないことも少なくありません。Alibabaの研究者らが発表したRecursaは、この状況でモデル自身の経験から適応を進めるシステムです。

知識リポジトリを中心にした設計

Recursaは、モデルのパラメータを単純に追加学習するだけではなく、更新可能な知識リポジトリを構築します。そこには主に次の情報が保存されます。

• 領域固有のスキル：特定のタスクを解くために必要な知識や手順。
• 利用条件：どの状況で、どのスキルを呼び出すべきかという指示。
• タスクの記憶：過去の試行で何を行い、どのような結果になったか。
• 振り返り：失敗や不足を整理し、次に何を改善するかという記録。

最初に、システムは対象領域の資料からリポジトリを立ち上げます。さらに資料をもとに練習用タスクを作り、実行することで、モデルが持つ領域知識の不足を補います。その後は複数の学習者が並列にタスクへ取り組み、それぞれの経験から局所的な改善案を作成します。候補となる変更は検証され、採用できるものだけが共有リポジトリへ統合されます。

この仕組みの特徴は、答えだけを蓄積するのではない点です。何をするかに加え、いつ使うか、過去の試行から何を学ぶかを記録します。そのためリポジトリは、長期的に再利用できる作業知識として機能します。新しい経験が後続の実行を変え、学習方法そのものも改善されるという循環が、Recursaの「再帰的自己改善」です。

結果と意味

Harvey LABのFirm Knowledgeベンチマークでは、DeepSeek-V4.1-Flashを使った場合、留保されたテストタスクの全合格率が30.0%から55.0%へ上昇しました。Qwen3.8-Flashでは35.0%から46.0%となりました。報告された結果は、人間の専門家や、より強い教師モデルから直接監督を受けなくても、構造化された記憶、並列試行、改善案の検証によって領域適応を進められる可能性を示しています。

この研究の意義は、基盤モデルと外部の進化する知識層を分けて考えている点にもあります。モデルは推論や実行、振り返りを担い、リポジトリは経験の蓄積と再利用を担います。特定の環境で繰り返し働くエージェントには、毎回のプロンプトや静的なコンテキストだけではない設計として参考になります。

一方、提示された素材は主に単一ベンチマークの結果を示しており、あらゆる領域で同じ安定性が得られることまでは確認していません。自己生成された経験に誤りが蓄積しないか、改善案をどう検証するか、リポジトリが拡大しても管理可能かは、今後の重要な論点です。

出典：Hugging Face Daily Papers