AIエージェントは「環境」で伸びる？ グーグルらが学習環境基盤EnvHarnessを公開

　米グーグル・クラウドのAI研究部門などの研究チームは21日、AIエージェント向けの学習基盤「EnvHarness（Environment Harness）」を公開した。論文は20日に投稿され、ソースコードもグーグル・リサーチのGitHubで公開された。研究にはGoogle Cloud AI ResearchやGoogle Cloudのほか、米ワシントン大学セントルイス校、米ノースカロライナ大学チャペルヒル校の研究者が参加した。


　大規模言語モデル（LLM）を使ったAIエージェントは、Webサイトの操作やソフトウェア開発など、外部環境とやり取りしながら能力を高める。ただ、従来の学習環境は人手で設計されることが多く、いったん構築すると、エージェントの能力や弱点が変化しても同じ条件を提示し続けるという課題があった。

　EnvHarnessは、既存の学習環境そのものを書き換えるのではなく、その外側にプログラム可能な層を追加する。エージェントが見る情報や実行できる行動、学習開始時の状態などを変化させながら、元の環境が備える評価方法は維持する仕組みだ。研究チームは、分野ごとに新しい学習環境を一から作る負担を減らせるとしている。

　性能は、家庭内タスクを扱う「ALFWorld」、Web操作の「WebArena」、ソフトウェア開発の「SWE-bench Verified」、オフィス業務の「OfficeQA」「SpreadsheetBench」という4分野、5種類のベンチマークで検証した。EnvHarnessで作った環境から学習した場合、元の環境を使う手法に比べ、未学習の課題で最大9.0ポイント性能が向上。実行に必要なステップ数は9.8％減った。強化学習を使った実験でも最大6.5ポイントの改善を確認したという。

　特定のAIモデルだけで効果が出るわけではないとしている。SWE-bench Verifiedでは、EnvHarness由来のスキルを使った場合、Gemini 3.1 Flash-Liteの成功率は40.0％となり、通常環境から得たスキルを使った36.8％を上回った。Qwen3.6 27Bは48.4％から52.1％、Gemini 3.5 Flashは49.9％から52.6％、Claude Sonnet 4.6も69.2％から72.4％に改善した。

　また、SWE-bench Verifiedで学習環境を段階的に増やす実験では、成功率が47.67％から54.79％まで上昇した。300環境を使った時点で、通常の環境を増やす手法は52.13％、別途生成した環境を使う手法は50.37％だった。研究チームは、単純に学習データを増やすのではなく、その時点のエージェントの弱点に応じて環境を変えることが性能向上につながったと説明する。

　研究チームは、EnvHarnessによって学習するAIエージェントと学習環境を継続的に変化させる「共進化」が可能になるとしている。AIエージェントの性能競争が、基盤モデルだけでなく「どのような環境で学ばせるか」にも広がる可能性を示した形だ。