Meta AI、長期研究エージェント向けアーキテクチャ「MIRA」を発表

arXivの論文において、Meta AIの研究チームは、長期タスクで研究エージェントが次に何を調査すべきかを決定できるよう設計されたアーキテクチャ「MIRA」を提案した。長大な実行トレース内の疎な意思決定から学習する難しさを克服するため、MIRAは永続的な研究記録を読み取って作業指示を出す外部のメタ推論器と、各指示を実行する初期化された実行器の2つにエージェントを分割する。

意思決定は作業指示の境界でのみ発生するため、研究チームはそれらのポイントで残余リターンを予測するCriticを訓練し、さらに部分的な進捗を評価して次のタスクを選択する統合型Actor-Criticモデル（MIRA-AC）を構築した。この構造的分離により、追加学習を行わなくても定理証明や自由形式のアーキテクチャ研究の性能が向上したほか、モデルの代理シグナルで訓練されたMIRA-ACは4つの自動研究環境においてゴールドスコアを改善した。