失敗を「制約」に変えて学ぶAIエージェント基盤「Arbor」——同じ計算予算でClaude CodeやCodexを2.5倍上回る

自律的に実験を回すAIエージェントの多くは、失敗してもそこから学ばず、同じ試行を延々と繰り返してしまいます。この「学習しないループ」に手を入れた研究基盤「Arbor」を、VentureBeatが2026年6月19日に紹介しました。失敗の理由をツリー構造に記録して制約に変え、学習を積み上げる仕組みで、同じ計算予算でもClaude CodeやCodexを平均2.5倍上回る性能向上を示したと報じられています。

「学習しないループ」という落とし穴

コーディングや調査を自律的に進めるエージェントは、試行錯誤を繰り返しながら答えに近づきます。しかし多くの実装では、ある試みが失敗しても、その教訓が次に引き継がれません。結果として、同じような失敗を何度も繰り返し、計算資源を無駄に消費してしまうことがありました。

Arborは、この問題を「記憶の持ち方」から見直します。仮説・実験・得られた知見を1本のツリー（Idea Tree、仮説ツリー）として整理し、過去の失敗を踏まえて、検証済みのより賢い改善を時間とともに積み重ねていく設計です。

画像引用元: VentureBeat

失敗を「負の制約」として記録する

Arborの核にあるのが、失敗の扱い方です。実行役（executor）の実験が失敗すると、その「なぜ失敗したのか」がツリーに負の制約（negative constraint）として書き込まれます。これにより、システムは同じ過ちを際限なく繰り返さなくなります。

失敗を単なる無駄として捨てるのではなく、「次はこの方向を避ける」という手がかりに変える——この発想が、限られた計算予算のなかで効率よく正解に近づくための鍵になっています。失敗の数だけ探索の範囲が絞り込まれ、後の試行がより的を射たものになっていきます。

コーディネーターと実行役の分業

Arborは、役割を分けて動きます。長時間動き続けるコーディネーターが仮説ツリーを拡張・更新し、全体の探索を方向づけます。一方で、個々の仮説を実際に試すのは、短命な実行役です。実行役は、それぞれ分離されたGitのワークツリー（worktree）の中で作業するため、互いの変更が干渉しません。

結果、失敗のパターン、そして抽出された知見は、すべてIdea Treeに残り続けます。つまりArborは、その場限りの試行ではなく、積み上がっていく探索として走り続けるわけです。長期の調整役と使い捨ての実行役という分担が、学習の蓄積と並行実行の両立を支えています。

ベンチマークでの性能

報じられた結果も具体的です。同じ計算予算での比較で、ArborはClaude CodeやCodexに対して平均2.5倍の性能向上を達成したとされています。とくにBrowseCompという課題では、ベースラインの45.3%から67.7%まで精度を引き上げました。比較対象のシステムが50〜53%付近で頭打ちになるなか、明確に上回った形です。

この基盤はRUC-NLPIR（中国人民大学の研究グループ）によるもので、論文「Arbor: Tree Search as a Cognition Layer for Autonomous Agents」として公開されています。ツリー探索を、エージェントの「認知の層」として組み込むという位置づけです。

開発者への影響

Arborが示すのは、エージェントの賢さを「土台となるモデルの性能」だけでなく、「失敗から学ぶ仕組み」で底上げできるという視点です。同じモデル・同じ計算予算でも、過去の試行を構造化して記憶に残せば、探索の効率は大きく変わり得ます。

自律エージェントを使って長時間の調査やコード改善に取り組んでいるなら、「失敗をどう次に活かすか」を設計に組み込む発想は参考になります。分離されたワークツリーで安全に並行実行しつつ、失敗の理由を制約として蓄積する——こうした仕組みは、手元のエージェント運用でも応用の余地がありそうです。