エージェントのメモリは「量」より「用量」が大事、モデルごとに最適化すべき

要約

IBM Research と Hugging Face の研究は、エージェントにメモリ (学習経験から抽出した指針) を与える際、モデルの能力レベルによって最適な用量が異なると報告した。DeepSeek-V3.2 のような高性能モデルは全指針セットで +9.5pp の性能向上を得たが、gpt-oss-120b (117B) のような中程度モデルは精選指針のみで +16.1pp を達成し、トークン使用量は 5% しか増加しなかった。一方で GLM-5 のような飽和モデルは測定可能な向上を示さず、メモリの効果は単なる容量ではなく、モデルが実際に活用できる「適切な用量」にあることが明らかになった。メモリ注入はモデル重みの更新なしに、推論時の文脈に指針を追加するだけで実現され、プロンプトキャッシング活用で本番環境でも低コストに保てる。