JAMEL：エージェント記憶と探索を同時学習するフレームワーク

要約

オープンエンド環境でのエージェント自律探索において、記憶と探索を相互依存ループとして同時学習するフレームワーク「JAMEL」が提案された。GUIドメインのコードカバレッジなど決定論的な新規性シグナルをアノテーションなしの教師信号として活用し、潜在記憶モジュールを効率的に学習させる。未知環境への汎化に成功し、オープンウェイトのベースラインを超える探索性能とトークン消費削減を両立している。