Generative Agents――記憶・振り返り・計画を持つAIエージェント25人が、小さな町で人間らしく暮らす
Generative Agents: Interactive Simulacra of Human Behavior
30秒でわかる要点
LLMに経験の記録・振り返り（リフレクション）・記憶の検索を組み合わせ、人間らしい行動をシミュレートする「生成エージェント」を提案。25人のエージェントが暮らす町で、1人がバレンタインパーティーを開きたいという設定だけから、招待や約束、当日の集合が自律的に起きた。
要約― この論文の概要は？
人間の行動をもっともらしく再現するものは、没入型の環境から対人コミュニケーションの練習の場、プロトタイピングのツールまで、さまざまな対話型アプリケーションを支えうる。本論文は、もっともらしい人間の行動をシミュレートする計算機上のソフトウェアエージェント「生成エージェント」を紹介する。生成エージェントは起床し、朝食を作り、仕事に向かう。芸術家は絵を描き、作家は文章を書く。意見を持ち、互いに気づき、会話を始める。過ぎた日々を記憶して振り返りながら、翌日の計画を立てる。生成エージェントを実現するため、大規模言語モデルを拡張して、エージェントの経験の完全な記録を自然言語で保存し、それらの記憶を時間とともにより高次の振り返り（リフレクション）へと統合し、行動を計画するために動的に検索するアーキテクチャを示す。The Simsに着想を得た対話型のサンドボックス環境に生成エージェントを配置し、エンドユーザーが自然言語で25人のエージェントが暮らす小さな町と関われるようにした。評価では、生成エージェントがもっともらしい個人の行動と、自然発生的な社会的行動を生み出した。例えば、あるエージェントがバレンタインデーのパーティーを開きたいという、ユーザーが指定した1つの設定だけから、エージェントたちはその後2日間で自律的にパーティーの招待を広め、新しい知り合いを作り、互いをパーティーのデートに誘い、適切な時間に一緒に会場に現れるよう調整した。アブレーションにより、観察・計画・振り返りというアーキテクチャの各要素が、行動のもっともらしさにそれぞれ決定的に寄与していることを示した。大規模言語モデルと計算機上の対話型エージェントを融合することで、人間の行動のもっともらしいシミュレーションを可能にするアーキテクチャと対話のパターンを提示した。
課題― 何を解決しようとしているのか？
対話型アプリケーションのために、人間らしい行動をもっともらしく再現するエージェントを作ることが課題だった。
手法― どのような方法で取り組んだのか？
大規模言語モデルを拡張し、経験を自然言語で記録し、記憶をより高次の振り返りに統合し、行動計画のために動的に検索するアーキテクチャを設計。The Simsに着想を得た環境に25人のエージェントを配置した。
結果― 何が分かったのか？
もっともらしい個人の行動と、自然発生的な社会的行動が生まれた。1人がバレンタインパーティーを開きたいという設定だけから、2日間で招待の拡散、新しい知り合い作り、デートの誘い、時間通りの集合が自律的に起きた。観察・計画・振り返りの各要素がもっともらしさに決定的に寄与していた。
限界― 注意すべき点は？
本要約（アブストラクト）の範囲では、評価は25人規模のサンドボックス環境で行われており、より大規模な環境や実世界のタスクへの適用は示されていない。
ビジネスで使えるか― 実務にどう活かせるか？
「記憶して、振り返って、計画する」エージェントの設計は、顧客対応や業務アシスタントに長期の文脈を持たせる際の参考になる。ユーザー行動のシミュレーションや、接客・面談のロールプレイ研修への応用も考えられる。
キーワード
本ページの事実記述は、原論文のアブストラクト（概要）の範囲に基づきます。数字や評価の詳細は原文でご確認ください。
関連論文
エージェント 定番 原論文 2022年 約2分で読める
ReAct――「考える」と「行動する」を交互に行うLLMエージェントの基本形
ReAct: Synergizing Reasoning and Acting in Language Models
要点LLMに推論の過程（Reasoning）と行動（Acting）を交互に生成させる「ReAct」を提案。Wikipedia APIで情報を取りに行くことで思考の連鎖の幻覚や誤りの連鎖を抑え、対話型の意思決定タスクでは模倣学習・強化学習を成功率で34%・10%上回った。
エージェント 定番 原論文 2023年 約2分で読める
Toolformer――言語モデルが電卓や検索などの道具の使い方を自分で学ぶ
Toolformer: Language Models Can Teach Themselves to Use Tools
要点どのAPIを、いつ、どんな引数で呼び、結果をどう使うかを、各APIにつき数例の手本だけから自己教師ありで学ぶ「Toolformer」を提案。電卓・検索・翻訳・カレンダーなどを使えるようになり、より大きなモデルに匹敵するゼロショット性能を示した。
エージェント 約1分で読める
潜在空間で考えるエージェント群「SwarmEvolve」――進化的プログラム探索を高速・低コストに
SwarmEvolve: Latent Agent Swarms for Evolutionary Discovery and Optimization
要点1ラウンドに数百の低コストエージェントが群れで働き、潜在空間で推論して情報を共有する進化探索フレームワーク「SwarmEvolve」。21課題で最高の平均スコア、最良スコアへの到達は中央値3〜8分とされる。