2026年8月11日 22:37
IBM、省トークン学習手法ALTK-Evolveを発表
Thinking of ACE? We Can Do It with Fewer Tokens
3行まとめ
- •IBM、省トークン学習手法ALTK-Evolveを発表
- •トークン消費を最大85%削減
- •既存手法ACEと同等精度を実現
詳細
背景
AIエージェントが過去の実行履歴から学んだ教訓を蓄積し、推論時に活用する手法として、包括的な「プレイブック」に全ての知見を保持するACE（Agentic Context Engineering）が注目されている。しかしACEは蓄積した教訓をそのままプロンプトに含めるため、モデルに渡すトークン数が膨大になりコストが増加する課題があった。
内容
IBM Researchは2026年8月11日、ACEより少ないトークン数で同等以上の精度を実現する新手法「ALTK-Evolve」を発表した。教訓を一つの巨大なプレイブックとして保持するACEに対し、ALTK-Evolveは個別の「ガイドライン」として保存し、信頼度を「サポート数」で追跡する。推論時はモデルの能力に応じて必要なガイドラインのみを選別配信し、無駄なトークン消費を抑える。検証ではDeepSeek-V3.2で約58%（63.4万→26.3万トークン）、gpt-oss-120bで約85%（77.7万→11.6万トークン）の削減を確認した。
今後の影響
教訓を圧縮せず個別に管理しながら配信方法を最適化するアプローチにより、精度を落とさずにコストだけを大幅に下げられる可能性を示した。今後、AIエージェントを大規模に運用する企業にとって、推論コストを抑える技術的な選択肢が広がることが見込まれる。
なぜ重要か
AIエージェント運用のトークンコストを最大85%削減できる新手法をIBM Researchが公開した。
元記事を読む — Hugging Face Blog