arXiv cs.AIは2026年8月5日(現地時間)、長期にわたるタスクを実行するエージェント（ロングホライズンエージェント）の検証に関する査読前プレプリント論文を公開した。モフセン・アルジャマンディ (Mohsen Arjmandi) 氏が執筆したこの研究は、エージェント自身の自己報告が信頼できない既存の検証手法に対し、事後検証ではない構造的な手法を提案。これにより、ARC-AGI-3におけるタスク完遂がゼロという、本質的な構造的失敗を事前に特定し、ドリフト（乖離）の原因を分離測定可能となる。
モフセン・アルジャマンディ氏の論文が提示するのは、決定論的なエグゼクティブ (Executive) が全ての信念を所有し、大規模言語モデル (LLM) が型の付いた提案のみを行うエージェントインストゥルメント (Agent Instrument)という構造だ。この革新的なアプローチでは、エージェントの行動前に登録された予測が、コードによる観測と一致した場合にのみ提案が認められる仕組みを採用している。これにより、エージェントの内部状態に依存しない客観的な検証が可能となる。
このエージェントインストゥルメントは、実行が失敗した際に自己無効化するという特性を持つ。例えば、データ書き込みエラーやレンダリングサイズの不一致、または特定のロジックチェックの違反が発生した場合、その実行は自動的に無効化される。実際に、初期の8回のアーキテクチャ実行のうち4回が無効化され、それぞれがエージェントの実際の欠陥を特定したことが報告されている。さらに、レンダリング不可のシャドウリファレンスがシステムの完全な計画をコンパイルすることで、テスト対象メカニズムが除去された場合でもドリフト指標が明確に定義される。
本研究は、このインストゥルメントを用いた結果として、長期エージェントに共通する失敗に関する単一変数のデータを初めて示した。特に注目すべきは、コミットメントメカニズムを除去すると、目標放棄 (goal-abandonment) が0.00から1.00へと劇的に変化する一方で、バインディングエラー (binding error) は0.00で不変を維持した点である。これは、バインディングチャネルがコードによって厳密に管理されており、その修復が除去されてもビートごとのドリフトとして再出現しないことを意味する。論文では、この構造的検証手法によって、タスクの有効性自体がヌル（ARC-AGI-3での完遂数はゼロ）であるという、エージェントの本質的な限界が事前に登録された構造的失敗として明確に開示されている。この研究は、エージェント開発における検証手法の確立と、それによって測定可能となるドリフト分解に大きく貢献する。
参考: arXiv cs.AI (アーカイブ) — 2026年8月6日 13:00 (JST)