伯克利等提出自动研究 AI 重置历史法，用 DeepSeek V4.1 Flash 验证

LangChainJP @LangChainJP原推发布于 2026.10.20

在 X 上打开原推

【自動研究AIは最良のコードだけ残すと改善が進む】 米カリフォルニア大バークレー校などのチームが、自動研究AIの履歴をリセットする手法を査読前論文で提案。AIがコードを修正し、評価結果から次の修正を考える研究を対象にしている。 試行を重ねると修正が小さくなり、改善が滞る様子を観測。そこで会話や過去に試したコードの記録を定期的に消し、最良のコードと評価値だけを残して再開する。 4体のAIが互いのコードと評価結果を参照し、改良を取り入れる構成にリセットを組み込んだ。プログラムの高速化や小型言語モデルの学習など4課題で検証。言語モデルはDeepSeek V4.1 Flashに統一し、課題ごとのモデル利用費を揃えて各3回比較した。 各回の最高得点を平均すると、20×20マスの盤面で40か所を指定順に少ない操作で巡る課題では、共有もリセットもせず別々に動く4体を約15%上回った。また、既存の3点に1点を加えて長方形を作る操作を繰り返し、得点を高める課題では、履歴を保持して動く1体を約39%上回る。著者らは、計算量だけでなく、AIに何を覚えさせるかが重要と指摘している。