arXiv cs.LGは10月26日(現地時間)、Zishan Xu氏らが公開した論文「Work Agents: Systems, Capabilities, and Optimization」を通じて、デジタルワーク実行のためのエージェントに関する統一的な視点を提示した。基盤モデルが単なる情報生成からデジタルワーク実行へと進化する中で、エージェントはツール、アプリケーション、ワークフローを横断して複雑なタスクを完了する能力を高めている。しかし、エージェントがいかに委任された仕事を信頼性高く達成するかについて、既存の研究には包括的な視点が欠如している現状が指摘されており、本論文がそのギャップを埋めることを目指す。
この研究は、基盤モデル（foundation models）の進展に伴い、エージェントがより複雑なデジタルワークを実行する能力を獲得している現状を背景としている。これまでのエージェント研究は、特定のタスクや環境に焦点を当てがちであり、異なるシナリオにおけるエージェントの信頼性や検証可能性に関する統一的な理解が不足していた。
論文は、ワーク中心のシステムレベルの視点を提供し、ワークエージェントを基盤モデルとランタイムハーネスを組み合わせてステートフルなワークスペースでタスクを実行し、検証可能な成果を提供するシステムと定義している。
論文では、ワークエージェントの性能と要件を理解するためのフレームワークとして、作業条件を特徴づける二つの次元が導入された。一つはワーク永続性（work persistence）で、エージェントが短期間の使い捨てタスクに取り組むか、あるいは長期にわたり状態を維持し、継続的に学習・進化するワークフローを管理するかを区分する。もう一つはワーク開放性（work openness）で、エージェントが予測可能で制約された環境で機能するか、それとも人間との共同作業や未知の要素が多い開放的な環境に適応する必要があるかを示す。これら二つの次元に基づき、デジタルワークの様々な形式が分類される。
この分類フレームワークに基づき、信頼性の高いワーク実行に必要な複数のコア能力群が提示されている。これらの能力は、エージェントが環境を理解し、目標を設定し、行動を計画・実行し、その結果から学習・改善するサイクルを構成する。エージェントが直面するワークの複雑性や環境の不確実性に応じて、これらの能力の重要性は異なる。
さらに論文では、ワークエージェントの最適化アプローチについても検討されている。モデルの最適化、ハーネスの最適化、およびそれらを結合した最適化が考察されている。モデル最適化は、プロンプトエンジニアリングやファインチューニングを通じて基盤モデルの性能を向上させることに焦点を当て、ハーネス最適化は、ツール選択、外部アプリケーション連携、メモリ管理、タスク分解といったエージェントの実行環境（ランタイムハーネス）の設計と調整を指す。結合最適化は、両者の相乗効果を最大化する戦略を模索する。研究はまた、ワーク成果の観点から既存の評価方法と指標を分析し、信頼性、正確性、効率性といった複数の基準でエージェントの性能を測る重要性を強調した。
将来の研究方向としては、エージェントが長期的に信頼性の高いワーク委譲を達成するためのメカニズム、オープン環境への適応能力の向上、そしてワーク実行プロセスとエージェントの能力向上間の相互作用の理解が挙げられている。本論文は、ワークエージェントを理解し、最適化し、評価するための統一的な枠組みを提供し、信頼性、検証可能性、および実践的価値のあるワーク成果を提供できるシステム開発を支援する。
参考: arXiv cs.LG — 2026年10月27日 02:56 (JST)
原文ハイライト"Work Agents: Systems, Capabilities, and Optimization"