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(2/2)

　では、MemTrapBenchが示した問題にどう対処するのか。研究チームが提案しているのは「AdaptiveMem」という手法だ。記憶を削除したり記憶システムそのものを作り替えたりするのではなく、取り出した記憶を使う前に、「この過去の情報や戦略は、現在の問題にも本当に当てはまるか」をモデルに再考させるプロンプト型の仕組みである。


　MemTrapBenchから無作為抽出した200件では、Gemini-3-Flash-PreviewでFullTextが11.8ポイント、LightMemが14.9ポイント、EverMemOSが11.3ポイント改善したという。Qwen3-30B-A3B-Instruct-2507でも4.2ポイント、2.5ポイント、2.6ポイント改善した。またLongMemEvalでは6条件中4条件が改善し、残る2条件は変化しなかった。

　なお、長期記憶の有用性を示す研究も存在する。「LongMemEval」は情報抽出、複数セッション推論、時間推論、知識更新、回答を控える能力という5種類を評価し、インデックスや検索方法を工夫することで記憶利用を改善できると報告した。

　その続編となる2026年5月の「LongMemEval-V2」は、最大500の実行履歴、計1億1,500万トークンから必要な経験を集める課題を設定した。コード実行型のAgentRunbook-Cは平均72.5％となり、最も強いRAGベースラインの48.5％を上回った。ただし、研究チームはコードエージェント型の手法には高い遅延コストがあることも指摘している。

　こうして各研究を並べると、それぞれが見ている場所は少しずつ違うことがわかる。PersistBenchは不要な記憶の残存、MemoryAgentBenchは選択的忘却、MemSyco-Benchは記憶による迎合、別の研究は記憶を統合する工程、そして今回のMemTrapBenchは「正しく取り出した情報でさえ、現在の推論を固定し得る」という問題を扱っている。

　いずれにしても、現時点で「AIは覚えないほうが賢い」と結論づける材料はない。むしろ長期記憶研究は、何を保存するか、どう検索するかという段階から、いつ使い、どこまで信用し、いつ疑い、いつ忘れるのかまで評価する段階へ広がっていると見るほうが自然だろう。

　AIエージェントが数週間、数カ月にわたって人と働くようになれば、過去の経験を引き継ぐ仕組みは避けて通れない。一方、その経験を常に正解として扱えば、新たな状況への適応を妨げる可能性もある。「覚えられるAI」から「記憶との付き合い方を判断できるAI」へ。何が最適な設計なのか、その答えはまだ研究の途上にあると言えそうだ。