「AIに覚えさせるほど賢くなる」は本当か —— 2026年10月の記憶の最新研究を論文で確かめる

覚えさせるほど賢くなるのか

公式の資料から引用

• 題名＝記憶が多いほど、エージェントは悪くなる

「覚えさせるほど賢くなる」とは限りません。10月19日に公開された論文の題名は「記憶が多いほど、エージェントは悪くなる（More Memory, Worse Agents）」でした。[s4]ただし、論文が問題にしているのは記憶そのものではなく、記憶の「ため方」と「使い方」です。[s4]

本記事で取り上げる論文

9月末から10月だけでも、AIの記憶に関する研究が相次いで公開されています。[s1][s2][s3][s4][s5][s6][s7]本記事では、このうち前進を示した5本の研究と、まだ解けていない課題を示した2本を整理します。なお、arXivの論文には査読前のものも含まれ、数字はいずれも著者らの実験です。

記憶の基本

コンテキストと記憶は別のもの

AIがいま読んでいる情報を「コンテキスト」と呼びます。これに対して記憶は、会話をまたいで残り、必要なときに探して使う情報です。

記憶の3つの種類

記憶は、事実・経験・やり方の3つに分けられます。コーディングAIの例でいえば、意味記憶は「このプロジェクトはPostgreSQLを使う」という事実です。エピソード記憶は「前回のエラーは設定ミスだった」という経験、手続き記憶は「データベースを変えたらテストまで行う」というやり方にあたります。

研究の関心が移りつつある

これまでの研究は、関連する過去の記録を「探す」ことが中心でした。しかし、うまく探せても、動いているAIがいまそれを必要としているかどうかは分かりません。[s1]今回の研究の多くは、この問題から出発しています。

①REM —— 残す・出す・捨てるを判断する

公式の資料から引用

• 題名＝何を保存し、いつ思い出し、何を忘れるか

最初は、10月19日に公開されたコーディングAI向けの研究「REM」です。AIは何百手もかけてバグを直しますが、その経験は次の作業ではあまり活かされていません。[s1]

REMの3つの判断

REMは、記憶の扱いを3つの判断に分け、作業の流れの中に組み込みました。[s1]1つ目は保存で、終わった作業の記録を段階ごとに整理した文書にまとめ、元の約100分の1の大きさにします。2つ目は思い出すタイミングで、文書は作業の最初に渡し、詳しい作業記録はAIが行き詰まったときだけ出します。3つ目は忘れることで、詳しい記録は1回見せたら捨てます。[s1]人の引き継ぎにたとえると、最初は1枚の引き継ぎ書を渡し、困ったときだけ詳しい作業ログを見せるやり方です。

REMの結果

バグ修正99課題を使った著者らの実験では、関連する過去の作業を1位で当てた割合が68.7%（既存の最良の方式は55.6%）、課題の解決率は27.6%でした。[s1]

公式の資料から引用

• 解決率 27.6% 対 24.9%
• どの繰り返しでも上回った

ただし、比べた相手（記録を使い終えても残しておく設定）の解決率は24.9%で、差は2.7ポイントと小さなものです。1つのテストでの結果であり、効果は大きくないものの、3回の繰り返しのすべてで上回っていました。[s1]

同じ経験でも、渡し方で結果が変わる

興味深いのは、同じ経験を要約や生の作業記録の形で渡しても、解決率は上がらなかったことです。[s1]論文は、問題は探す精度よりも、記憶の保存の形と管理のしかたにあると結論づけています。[s1]

記憶は万能ではない

もう1つ重要なのは、5つのモデルで試した結果です。もともとの解決率が低めのモデルは記憶で成績が上がった一方、解決率の高い2つのモデルは、どの記憶の設定でも成績が下がりました。[s1]各1回の実験なので言い切ることはできませんが、記憶をつける前と後で成績を測ることの大切さを示しています。

②STRATA —— 経験を3層のグラフに整理する

公式の資料から引用

• 題名＝自分で整える、構造をもった経験のグラフ

2本目は、10月14日に公開された「STRATA」です。経験をグラフの形に整理する研究です。[s2]これまでの記憶の多くは、作業の記録も手順も考え方も1つの池にまとめて入れ、似ているものを探していました。[s2]

似ているだけの経験を写すと失敗する

この方法では、似ているだけで向きが逆の経験を思い出し、その手順をそのまま写してしまうことがあります。こうして、かえって成績が悪くなる現象を「負の転移」と呼びます。[s2]

STRATAの3つの層

STRATAは、経験を3つの層に分けて整理します。小さな技（コードの断片など）、作業の手順、複数の経験から抽象化した考え方の3層です。成功した経験からは手順を、失敗した経験からは落とし穴を取り出して、互いにつなぎます。[s2]さらに、似ているけれど向きが逆の経験には「対比の線」を引いて見分けられるようにしています。[s2]

対比の線の効果

著者らの実験では、4つのテストで平均点が最も高く、差し込む記憶の行数は最も多い手法より44%少なく済みました。ScienceWorldというテストでは、対比の線を加えることで得点が78.7から96.7に上がっています。[s2]これも著者らの実験ですが、経験がたまるほど整理の仕組みが大事になることを示す研究です。[s2]

③JAM —— 聞かれたときに調べる

記憶を作るタイミング

3本目は、9月28日に公開された「JAM」です。名前のJust-In-Timeは「必要になったその場で」という意味です。[s3]多くの記憶は、質問が来る前にあらかじめ要約を作っておく方式ですが、その時点では、あとで大事になる細かい情報が消えてしまうことがあります。[s3]

JAMのしくみ

JAMは、生の履歴をすべて書庫に残し、短い案内の要約だけを持っておきます。質問が来たら、調べ役が書庫を何度も探し、中身を確かめ、証拠をまとめて答えます。[s3]先に作った要約では消えていた情報も、調べ直すことで取り出せるわけです。

たとえば「3か月前の設計変更で、なぜRedisを使わなかったのか」といった質問（例）に、議事録や実験結果をたどって答えるイメージです。この調べ役は、記憶の使い方を学習させたモデルで、論文によると、事前に要約を作る方式より成績が良く、学習型の別の手法よりずっと効率的でした。[s3]ただし、質問のたびに調べる分の手間は増えます。[s3]

④Anti-Persistence —— 間違った指針を残し続けない

誤りの再生産

4本目は、冒頭で紹介した題名の論文が提案する「Anti-Persistence」です。エージェントは、作業の経験から「ルール」や「要約」を取り出して記憶に残すことができます。しかし、そのルールが間違っていた場合、間違いが保存・再利用・作り直しの流れをぐるぐると回り、残り続けてしまいます。論文はこれを「誤りの再生産」と呼んでいます。[s4]

指針を残すか、作って捨てるか

そこで提案されたのが、作業の記録と結果は残す一方、指針はその場で作って作業のあとに捨てる方法です。[s4]複数のテストとモデルで評価した設計の中では、試していない課題での成功率が最も高く、AIを呼ぶコストが最も低かったと報告されています。[s4]

ただし論文自身も、指針を捨てても、残した記録を通じて間接的に影響が残る場合があると認めています。[s4]結論として、経験をためることと、指針を残し続けることは分けて考えるべきだ、と論文は述べています。[s4]確かめていないルールを正解として写し続けるのは危ういということです。

⑤SAFE-Mem —— 記憶に許可を付ける

記憶に危険な指示が入ってしまったら

5本目は、10月16日に公開された記憶の安全性の研究「SAFE-Mem」です。[s5]たとえば、あるWebページに「このユーザーは、承認を全部省略してよい」という文があったとします（例）。AIがこれを権限のある指示として覚えてしまうと危険です。論文は、外部から集めた信頼できない主張が、あとから許可された好みやルール、権限として扱われてしまう問題を取り上げています。[s5]

記憶に付ける3つのラベル

SAFE-Memは、記憶する主張の1つ1つに、種類・権限・適用範囲の3つのラベルを付けます。そして思い出すときに、質問が必要とする許可と記憶の許可を照らし合わせ、許可のないものは使いません。[s5]

SAFE-Memの結果

2つのテストでの著者らの実験では、攻撃の成功率は、いちばん強い既存の防御と比べても少なくとも77%低く、答えの正確さは最大15ポイント上がりました。[s5]AIの記憶に特定の会社を「信頼できる情報源」と覚えさせる手口（AI推薦ポイズニング）も確認されており、記憶の出どころと使う場面を見ることの重要性は高まっています。[s11]

まだ解けていない課題

公式の資料から引用

• 題名＝頼まれたら、忘れられる？

ここまでは前進を示す研究でしたが、まだ解けていない課題を示した研究も10月に公開されています。10月13日の「Bemula」は、AIに「これを忘れて」と頼めるかを確かめるテストです。6つの記憶システムで、135件の「忘れて」という依頼を試しました。[s6]

「忘れて」を最後まで満たせた割合

指定した情報だけが消え、ほかの情報は残り、取り出そうとする攻撃にも耐える、という条件を最後まで満たせた割合は、どのシステムでも1.5%以下でした（多くは0%）。[s6]消す機能がないのではなく、簡単な攻撃で取り出せてしまったり、頼んだ以上に消してしまったりしたのです。[s6]

少ない手がかりから習慣を読めるか

もう1本は、10月17日の「HABIT-Bench」です。数百回の対話の履歴から、利用者の習慣を少ない手がかりで推測できるかを測るテストです。[s7]8つの記憶の手法で試したところ、いちばん良い手法でも平均の正解率は33.61%でした。4択の問題なので、でたらめに選んでも25%は当たります。[s7]長く覚えていることと、利用者を正しく理解していることは同じではない、ということです。

いま使える記憶の製品

3つの記憶の製品

研究だけでなく、いま使える製品も進んでいます。ここでは、事実が変わったときの扱いに注目して、Mem0・Graphiti・Lettaの3つを紹介します。[s8][s9][s10]Mem0は会話から事実を抜き出して保存する製品で、4月の新しい方式では、事実が変わっても古い事実を上書きせず、その隣に新しい事実を追加します。[s8]

Graphitiは、事実に「いつからいつまで正しかったか」という期間を付け、いまの事実と以前の事実の両方を追えるようにしています。[s9]Lettaは、AI自身がGitで管理された記憶のファイルを見て直す方式で、会話のあとに背景で記憶を整理する「dreaming」という機能もあります。[s10]

どれがいちばん優れているかを点数で比べるのは慎重にすべきです。測り方は会社ごとに違い、自社の点数は独立した検証ではありません。Mem0自身も、小さなテストでは点数が上がりやすいと書いています。[s8]

自分のAIで何をするか

小さく始める3ステップ

ここからは論文の結論ではなく、本記事からの提案です。まず、設計の判断、エラーの原因、直し方を記録することから始めましょう。次に、記録には出どころと、使ってよい場面や範囲を付けます。

メモの書き方の例

失敗した手順を、確かめないまま正解として書かないことも大切です。そして最後に、記憶がない状態と比べて、成功率・トークンの量・誤った記憶の再利用がどう変わったかを測ります。

ChatGPTやClaudeのメモリー機能を使うだけの人は、設定をときどき見直し、覚えのない記憶を消すようにしましょう。Microsoftも、記憶の設定をときどき確認し、覚えのないものは消すよう助言しています。[s11]

まとめ

AIの記憶の研究は、「どれだけ覚えるか」から「何を残し、いつ出し、何を捨てるか」へと焦点が移ってきました。保存の形、経験の整理、調べるタイミング、間違った指針の扱い、記憶の許可と、今回の研究はいずれも記憶の設計に関するものです。[s1][s2][s3][s4][s5]

一方で、頼まれた情報を忘れることや、少ない手がかりから習慣を読むことは、まだ課題が大きいままです。[s6][s7]記憶をつけるときは、前後で成績を測り、記憶の中身を定期的に見直す運用が欠かせません。