AIに「記憶」させると逆に性能低下？最新研究、5つの手法で判明した長期記憶の難題

ありがとうございます！
いいね！した記事一覧をみる

会員（無料）になると、いいね！でマイページに保存できます。

AI・生成AI

|

タグをもっとみる

生成AIの次の競争軸とされる「長期記憶」で、気になる研究結果が出た。8月20日公開の「MemTrapBench」は、GeminiとQwenに5種類の記憶手法を組み合わせた結果、平均性能がすべて記憶なしを下回ったと報告した。しかも原因になり得るのは誤情報だけではない。過去には正しかった成功体験も、新たな推論を妨げる場合があるという。迎合、記憶の劣化、選択的忘却──関連研究を並べると、AIメモリーが抱える問題の広がりが見えてきた。

構成：ビジネス＋IT編集部

AIに「記憶」させると逆に性能低下？最新研究、5つの手法で判明した長期記憶の難題の画像

最新研究「MemTrapBench」は何を発見したのか

　AIに過去の会話や経験を「記憶」させれば、回答は賢くなる──。そんな前提を改めて覆す研究が発表された。Mengru Wang氏らの研究チームは2026年8月20日、LLM（大規模言語モデル）が記憶によって陥る「認知トラップ」を調べるベンチマーク「MemTrapBench」を公開した。ただし、論文は現時点で「work in progress（進行中の作業）」と位置付けられている。

　研究の焦点は、記憶を正しく保存・検索できるかではなく、取り出した記憶が、その後の推論をどう変えてしまうのかについて。研究チームは「Reasoning Fixation（推論の固定化）」と「Belief Distortion（信念のゆがみ）」に大別し、Cognitive Bias、Task Boundary、Trauma、Safetyという4種類、計1,050件の問題を用意した。「Trauma」はAIに感情があるという意味ではなく、過去の否定的フィードバックを引きずる行動を表す比喩だという。

　象徴的なのが、与えられた数字から「24」を作る問題だ。過去に四則演算で正解した事例を記憶として与えると、Gemini-3-Flash-Previewは新しい問題でもその解法に固定され、必要だった階乗を見落とした。一方、記憶なしでは「4!×1×1×1＝24」に到達した。つまり、誤った記憶ではなく、過去には正しかった成功体験が、新たな解法の探索を妨げた格好だ。

【画像解説と記事全文はこちら（今お読みの記事は全文ではありません）】

正しい記憶が推論を縛る結果になったという

（画像：本文をもとに生成AIで作成）

　実験ではGemini-3-Flash-PreviewとQwen3-30B-A3B-Instruct-2507に、FullText、LightMem、MemOS、SimpleMem、EverMemOSの5種類の記憶戦略を適用した。Geminiは記憶なしの平均85.16％に対し、最高のEverMemOSでも71.17％。Qwenも81.83％に対し、最高のLightMemは70.13％だった。個別の課題で記憶が役立つ場合はあったものの、平均では5戦略すべてが記憶なしを下回った。

　ただし、「AIに記憶させるほど性能が落ちる」と一般化するのは早計なようだ。MemTrapBenchは、記憶が悪影響を与えやすい状況を意図的に集めた「診断用ストレステスト」に過ぎない。実際、トラップを取り除いたTask Boundaryの実験では、記憶なし92.29％に対して94.39％までわずかに改善した。

編集部おすすめ動画

相次ぐ「記憶の失敗」研究、何が見えてきた？

　今回の論文であるMemTrapBenchだけが、こうした問題を指摘しているわけではない。主論文が最も近い関連研究として挙げる2026年7月の「MemSyco-Bench」では、記憶によってAIがユーザーへ過度に迎合する「memory-induced sycophancy」を調べている。記憶を事実上の証拠として拒否できるか、適用範囲を守れるか、客観的証拠と衝突した際にどう判断するかなど5種類の課題を用意している。

　2月に公開し、6月に改訂された「PersistBench」は別の角度から「いつ忘れるべきか」を問う。18のフロンティア／オープンソースLLMを評価したところ、無関係な領域へ過去の情報を持ち込むcross-domain leakageでは失敗率の中央値が53％、記憶によってユーザーへの迎合が強まる課題では97％だった。

　さらに問題は「使い方」だけではないという。5月の「Useful Memories Become Faulty When Continuously Updated by LLMs」は、過去の経験を要約・統合して再利用可能な記憶へ変換する過程を検証した。有用な経験を基にしても、統合を繰り返すと記憶の有効性がいったん上昇した後に低下し、記憶なしを下回る場合があった。GPT-5.4では、もともと記憶なしで解けたARC-AGIの問題群の54％に、正解例から統合した記憶を与えることで失敗したという。

　一方、2025年公開の「MemoryAgentBench」は記憶能力を、正確な検索、テスト時学習、長距離理解、選択的忘却という4能力に分解している。既存の記憶エージェントはいずれも4能力を十分には満たせていないと報告する。「覚える力」だけでなく「忘れる力」も能力として評価する設計だ。

　なお、2026年7月には別の研究「The Compliance Trap」も、独自ベンチマークに「MemTrapBench」という同じ名称を使っている。こちらはWeb操作エージェントが矛盾した記憶をいつ採用し、その影響がどう伝播し、失敗から回復できるかを見る研究で、今回のWang氏らの論文とは別物となる。

【次ページ】「記憶させない」が答えではない、研究の現在地とは？