AIエージェント向けに能動的推論フレームワーク提案

何が起きたか

研究者らが、AIエージェントが明確化の質問を投げかけるか、情報を取得するか、デフォルト仮定で進めるかを判断できる能動的推論フレームワークを定式化した。ユーザーが制約やタスク詳細を省略した場合に対応し、内部推論ステップでタスク状態の信念を更新し、外部決定ステップでコスト下での期待自由エネルギーを最小化するアクションを選ぶ。

なぜ重要か

現在のAIエージェントは不要な確認に多くのトークンを浪費するか、ユーザーが曖昧な場合に誤った仮定をする。このフレームワークにより、エージェントは質問コストと不完全情報で行動するコストのバランスを取れ、限定的な計算予算で効率的に機能する必要があるエージェントにとって根本的なトレードオフが実現される。日本国内でAIエージェントを利用する企業や開発者は、ユーザーが指示を不完全に与えた場合にエージェントが質問と推測のバランスを取って効率的に機能できるようになる可能性がある。

注目点

著者らは最適質問提出法（OQA）と呼ぶフレームワークを、25～300候補のバイナリおよび多値カテゴリタスクでフロンティア言語モデルに対してベンチマークし、生成前の明確化とトークン予算下での自動プロンプト最適化を検討した。このフレームワークはモデル非依存であり、AIエージェントのコンテキスト取得層の設計原則として位置付けられている。