概要
**AIエージェント設計の自動化：PFNが切り拓く、人間を超えるエージェント開発の最前線**
詳細内容
## [AI Agent自動設計実用化に向けた検討](https://tech.preferred.jp/ja/blog/adas/)
**AIエージェント設計の自動化：PFNが切り拓く、人間を超えるエージェント開発の最前線**
本記事は、LLM（大規模言語モデル）エージェントの設計を自動化するフレームワーク「Automated Design of Agentic Systems (ADAS)」を提唱する論文を紹介します。ADASは、LLM自身がより高性能なエージェントの構造を探索・生成する「Meta Agent Search」という手法を用いており、人間が手動で設計したエージェントを上回る性能や、未知のタスクへの高い汎化性能を持つエージェントの創出に成功しています。
さらに、Preferred Networks (PFN) はこのADASのコンセプトを基に、実用化に向けた独自の検討を行いました。エージェントの「複雑さ」��LLMの推論回数）を制御することで、探索効率と推論速度のトレードオフを最適化するアプローチを試みています。実験では、数学問題データセット「Omni-Math」を用い、推論回数を固定してエージェントを探索した結果、回数を3回に制限したエージェントが、元の論文の手法や他のベースラインを超える性能と速度のバランスを達成することを発見しました。この結果は、エージェントの複雑さを適切に制御することが、限られた計算リソース内で高速かつ高性能なエージェントを開発する上で極めて重要であることを示唆しており、今後の研究開発や社会実装への活用が期待されます。