RESEARCH / 04
IBM Research：エージェントメモリは「機能」ではなく「用量」— モデル能力に応じた投与量の較正が精度とコストを左右（ALTK-Evolve）
IBM Researchは2026年8月18日、Hugging Faceブログでエージェントメモリの「適正用量」を検証する研究を公開した。過去の実行軌跡から行動ガイドラインを蒸留し推論時に注入する「ALTK-Evolve」を、30B級の小型モデルからフロンティアのプロプライエタリモデルまで8モデルを対象にAppWorld（585タスク）で評価。強力なモデルは全ガイドラインを注入するのが最適（DeepSeek-V3.2はタスク達成率+9.5pp）、弱いモデルはコンパクトなコア＋タスク別検索が最適（gpt-oss-120bは+16.1ppを+5%トークンで達成）、飽和モデルは改善なし（GLM-5）という3パターンを報告。費用面では、選択型検索が精度とコストの両面で最良になり得ることを示した。内容はIBM Researchの一次情報（Hugging Faceブログ）に基づく。