1体のエージェントの自己改善には天井がある──『共進化』というもう1つの自己進化の軸を整理したサーベイ論文

「デプロイ後も学習を続けるエージェント」というテーマは、本サイトでも複数の論文（StateM、Macaron-V1など）を通じて取り上げてきた。だが、こうした自己進化の多くは「1つのエージェントが、固定されたタスクとフィードバックの中で改善する」という枠組みに留まりがちだ。2026年8月10日にarXivで公開されたサーベイ論文「Co-Evolution in Agentic Systems」は、この枠組みを超えて、複数のエージェントと環境が互いに影響し合いながら進化する「共進化」という視点を整理している。

3行まとめ

• arXiv:2608.10299（2026年8月10日提出、著者12名・香港科技大学ら）は、単一エージェントの自己進化を超える「共進化」を、人間の設計制約が段階的に外れていく3段階（エージェント間／エージェントと環境／進化メカニズム自体）に分類したサーベイ論文
• 関連サーベイ9本との比較表（付録B）を独自に読むと、Xiang et al. (2026)の1本を除き、他8本はいずれも「共進化」を主要な分類軸として扱っておらず、散発的な例か将来課題としてしか触れていない
• 未解決の課題として、評価手法に「historical cross-play（過去バージョンとの対戦）・component ablations（コンポーネント単位のアブレーション）・held-out evaluators（未使用の評価者）」という3つの具体案を挙げている

単一エージェントの自己進化が抱える限界

論文の出発点は、既存の自己進化研究への問題提起だ。

"Agentic systems are increasingly expected to improve after deployment, yet single-entity self-evolution is often bounded by a static learning context, such as fixed tasks and feedback. This survey focuses on co-evolution in agentic systems, a multi-component form of self-evolution in which multiple agents and their environment impose adaptive pressure on one another."

（エージェント型システムは、デプロイ後も改善し続けることがますます期待されているが、単一エンティティによる自己進化は、固定されたタスクやフィードバックといった静的な学習文脈に縛られがちだ。本サーベイは、エージェント型システムにおける「共進化」——複数のエージェントとその環境が互いに適応圧をかけ合う、複数コンポーネント型の自己進化——に焦点を当てる）

3段階の分類：エージェント間、エージェントと環境、そしてメタ

論文が整理する分類法は、人間が設計した制約から段階的に離れていく、という進行を軸にしている。

"To organize existing papers, we propose a progressive three-stage taxonomy that traces how the system gradually sheds human-engineered constraints. Agent--Agent Co-Evolution studies how agents adapt through dynamic peers, including adversarial, collaborative, and organizational adaptation. Agent--Environment Co-Evolution extends this loop to adaptive tasks, feedback, and interaction spaces that change with the agents. Meta Co-Evolution further explores the possibility of making the evolution mechanism itself evolvable."

（既存の論文を整理するため、システムが人間の設計した制約から段階的に脱していく過程をたどる、3段階の進行型分類法を提案する。「Agent–Agent共進化」は、敵対的・協調的・組織的な適応を含め、動的な相手を通じてエージェントがどう適応するかを研究する。「Agent–Environment共進化」は、このループを、エージェントとともに変化するタスク・フィードバック・インタラクション空間にまで拡張する。「Meta共進化」はさらに踏み込んで、進化のメカニズムそのものを進化可能にする可能性を探る）

第1段階（エージェント同士が互いに影響し合う）、第2段階（エージェントと環境自体が互いに変化する）、第3段階（進化の仕組み自体を進化させる）という順序は、人間があらかじめ設計・固定する範囲が、段階が進むごとに狭くなっていく構図になっている。

論文のHTML全文版（arXiv:2608.10299のexperimental HTML）を実際に読み込むと、それぞれの段階に、どんな先行研究が具体的に位置づけられているかも書かれていた。第1段階の「敵対的エージェント」の節では、次のような系譜がたどられている。

"This co-evolution arises between two adversarial agents with distinct roles, and can trace back to the GAN (Goodfellow et al., 2014), where a generator produces fake images and a discriminator learns to tell them from real ones, each improving with the other. [...] RARL (Pinto et al., 2017) trains a control policy against an adversary that adds destabilizing forces [...]. Through competitive self-play in fighting games (Bansal et al., 2018) and hide-and-seek (Baker et al., 2020), agents learn tool use and counter-strategies as they escalate against each other. [...] Most recently, this idea has been widely applied to LLM safety, where an attacker agent generates jailbreak prompts and a defender agent learns to refuse them, each driving the other to improve."

（訳：この種の共進化は、役割の異なる2つの敵対的エージェントの間に生まれ、生成器が偽画像を作り、識別器がそれを見破ろうとし、互いに改善し合うGAN（Goodfellow et al., 2014）にまで遡ることができる。[中略]RARL（Pinto et al., 2017）は、不安定化させる外力を加える敵対者に対抗させる形で制御方策を学習させる[中略]。格闘ゲームでの競争的な自己対戦（Bansal et al., 2018）やかくれんぼ（Baker et al., 2020）を通じて、エージェントは互いにエスカレートしながら道具の使い方や対抗戦略を学ぶ。[中略]最近ではこの発想はLLMの安全性にも広く応用されており、攻撃側エージェントがジェイルブレイクのプロンプトを生成し、防御側エージェントがそれを拒否することを学ぶ、というように互いを高め合っている）

GAN（2014年）→RARL（2017年）→格闘ゲームでの自己対戦（2018年）→LLM安全性のattacker/defender、という30年に満たない期間の系譜として整理されている点は、要旨だけを読んでいた時には見えていなかった具体性だ。GANとRARLの実在は、当サイトでも各々のarXiv要旨ページを直接確認した。

第2段階「エージェント–環境の共進化」のタスク空間の節でも、curriculum learning（カリキュラム学習）による難易度調整から、PORTAL（中間タスクを段階的に選ぶ手法）、LLMエージェント向けのタスク再サンプリング手法まで、同様に具体的な手法名の系譜が示されている。第3段階「メタ共進化」については、論文は「Stage 1とStage 2は多くの設定で性能を向上させるが、進化が頭打ちに近づくにつれて伸びが小さくなる」（Figure 4の分析）とし、進化メカニズム自体を変化させることでこの頭打ちを超えられる可能性がある、という位置づけで説明していた。

未解決の課題として挙げられているもの——具体的な提案も書かれていた

論文は、こうした共進化システムを実際に構築・運用する上での課題にも触れている。

"We also discuss open challenges in evaluating such systems, scaling them across multiple components, and keeping increasingly autonomous evolutionary processes safe and controllable."

（また、こうしたシステムを評価すること、複数のコンポーネントにまたがってスケールさせること、ますます自律的になっていく進化プロセスを安全かつ制御可能な状態に保つこと、といった未解決の課題についても論じる）

要旨のこの1文だけでは分からなかったが、HTML全文版の第6節「Challenges and Future Directions」には、それぞれの課題についてもう少し具体的な記述があった。評価については、次のように書かれている。

"Evaluation should therefore pair fixed benchmarks with process-level testing, such as historical cross-play, component ablations, and held-out evaluators."

（訳：したがって評価は、固定されたベンチマークと、historical cross-play（過去バージョンとの対戦）・component ablations（コンポーネント単位のアブレーション）・held-out evaluators（評価に使っていない評価者を使う検証）といったプロセスレベルのテストを組み合わせるべきである）

安全性の課題については、「sandboxed deployment（サンドボックス化した展開）、continuous monitoring（継続的なモニタリング）、rollback to verified states（検証済み状態へのロールバック）、human intervention points（人間が介入できるポイント）」という4つの具体的なガバナンス手段が挙げられていた。「評価」「スケーリング」「安全性・制御可能性」という3つの課題は、いずれも単一エージェントの自己進化研究ですでに議論されてきたテーマだが、複数のコンポーネントが互いに影響し合う共進化のシナリオでは、これらの課題がより複雑になることが示唆されている。特に「自律的な進化プロセスを安全に保つ」という論点は、本サイトの別記事で扱ったOpenART（環境進化を使ったred teaming）とも接続する問題意識だと考えられる——環境やエージェント自体が進化し続けるシステムは、その進化の方向性自体を制御する仕組みが無ければ、意図しない方向に発散するリスクを抱える。

類似サーベイ9本との比較（付録B）

論文の付録Bには、隣接する既存サーベイ9本を、それぞれの原著の分類軸のまま比較した表がある。HTML全文版から実際にこの表を読み取ると、次のような内容だった。

出典: arXiv:2608.10299 HTML全文版 付録B「Comparison with Related Surveys」の表1（2026年8月29日確認、9件中6件を抜粋）

比較すると、既存サーベイの多くが「共進化」を専用の章として扱っておらず、未解決課題や横断的パターンとして触れる程度に留まっていることが分かる。9件のうち、Xiang et al. (2026)だけが共進化を最上位カテゴリの1つとして含んでいるが、それでも本論文が扱う3段階のうち「エージェント–エージェント」と「メタ」の2段階はカバーしていない、という位置づけが示されている。

サーベイ論文としての位置づけ

この論文は、新しい実験結果や手法を提案するものではなく、既存の研究群を分類・整理する「サーベイ（総括）」論文だ。個別の実証結果を持つStateMやMacaron-V1、Zettaのような論文群を、より大きな枠組みの中に位置づけて理解するための地図として読むのに向いている。ただし、上記のFigure 4（Stage 1・2の性能向上と頭打ち傾向）については、複数の先行論文の結果を、条件をそろえた上でパネルごとに集約したものであり、この論文自身が新規に実験を行って得た数値ではない。

個別に読んでいた論文群を後から地図の上に置き直す

筆者は、本バッチで扱った複数の論文（StateM、Zetta、Macaron-V1など）を並べて読んで初めて、これらが個別に見えて「エージェントの自己進化」という共通のテーマの、異なる切り口——ハーネス側の作り込み、身体化エージェントでの閉ループ化、LoRAを使った継続学習——を扱っていることに気づいた。このサーベイ論文が提示する3段階の分類法は、こうした個別の研究を後から俯瞰的に位置づけるための、有用な整理軸になっていると感じる。

Figure 4の集計方法は把握したが、元データまでは遡っていない

本記事は、arXivのHTML実験版（LaTeXMLによる自動変換）を読んで書いている。付録Cによれば、論文の図4（Stage 1・2で性能が向上し、進化が進むほど頭打ちに近づくという分析）は、この論文自身の新規実験ではなく、条件が揃う先行研究の結果だけを選んで集計した「within-paper比較」であり、グラフから数値を読み取れない場合は「approximately digitized from the published plots（公開されている図から近似的にデジタル化）」したとも明記されている。この集計方法自体は付録Cの記述として確認できたが、実際にどの論文のどの数値が採用され、デジタル化がどの程度の誤差を含むのかという個別の内訳までは、本記事では検証していない。

また、HTML実験版は数式部分がMathMLへの自動変換になっており、崩れている箇所があった。本記事で引用した文章部分は崩れのない地の文から取っているが、論文全体（参考文献200件超を含む）を1文ずつ照合したわけではなく、本記事が拾えなかった主張が他にもある可能性はある。サーベイ論文としての性質上、この論文自体が新しい実験結果や定量的な数値を報告するものではない、という点も改めて明記しておく。

関連記事

• AIエージェントとは──指示に答えるAIと、仕事を進めるAIの違いをわかりやすく整理する
• AIエージェントとは？仕組みと活用事例【2026年解説】
• 2026年は「AIエージェント元年」──企業は何を準備すべきか