スタンフォード大学の新しい論文は、AIエージェントの集団が過去のわずかな経験から協調方法を学び、そのチームワーク戦略をまったく新しい問題に適用するフレームワークを提案している。Self-Organizing Agent Teams(SAT)と呼ばれるこのアプローチは、5つの数学・物理学ベンチマークで平均66.7%の正解率を達成し、グループ内で最も優秀な単体エージェントの48.8%を大きく上回った。

SATの仕組み

従来のマルチエージェントAIシステムは、一般的に硬直したプロトコルに従う。エージェントが問題についてディベートし、回答に投票するというものだ。SATはその型から脱却し、エージェントチームが役割、参加ルール、会話フェーズ、情報フローのパターンといった独自の組織構造を発展させることを許す。

重要な洞察は、これらの戦略が驚くほど小さなデータセットから学習できるという点である。SATチームはわずか15問のAIME 2024の問題、または25問のGPQA Diamondの問題から協調プレイブックを導出し、その戦略を一切変更せずに、まったく別の未経験のベンチマークへと転用した。AIME(American Invitational Mathematics Examination)は、フロンティアモデルの推論能力の標準的な指標となっている競技数学テストであり、GPQA Diamondは素早いウェブ検索を挫折させるよう設計された大学院レベルの科学ベンチマークの中で最もしい区分である。数十問の問題で、そのまま転用できるほど堅牢な戦略を獲得できたという事実は、チームワークそのものがタスクごとの工学的調整ではなく、学習可能で再利用可能な能力であるという枠組みを提示している。

この概念は組織心理学に大きく依拠している。エージェントは推論を交換し、互いの論理に異議を唱え、部分的な解を組み合わせることで、単一のエージェントでは到達できない回答を導き出す。

使用されたモデルの顔ぶれは、AIのオールスター名簿とも言えるもので、複数の研究所によるクローズドおよびオープンウェイトのシステムにまたがっている。数学・物理学タスクではo3-mini、Claude Sonnet 4、DeepSeek-V3が、知識・論理ベンチマークではGemini-2.5-Flash、Llama-4-Maverick、GPT-4.1が用いられた。

重要な数字

SATの平均正解率66.7%は、単体エージェントを上回っただけではない。計算量を同等にした単一エージェント推論の58.7%や、エージェント個々の回答から構築されたルーティングオラクルの59.0%をも上回った。ルーティングオラクルは事後に各問題で最良の個別回答を選択するものであり、これを上回ったことは、チームが本当に優れた推論を生み出しているのであって、後から最良の回答を選んでいるのではないことを示している。

特にAIME 2026では、SATは71.2%の正解率に達し、ルーティングオラクルを.4ポイント上回った。

最も示唆的な発見の一つは、研究者らが「実証可能性(demonstrability)」と呼ぶものに関するものである。これは、会話の中に現れた正しい推論を誤った推論からどれほど容易に区別できるかを指す。性能向上と実証可能性の間には、スピアマンの相関係数0.90という強い相関が見られた。健全な推論が現れると、これらのチームはそれを認識し、その上に築いていく。実務家にとって、この相関は展開の判断材料となる。すなわち、SATの利点は、与えられた推論の妥当性をチームが検証できる場面に集中する。

なぜこれが通説に反するのか

2026年前半に発表されたスタンフォード大学の関連研究は、同等の計算予算が与えられた場合、単一エージェントがマルチエージント構成に匹敵、あるいはそれを上回ることが多いことを発見していた。SATはその批判に直接応えるものである。総当たり的なディベートプロトコルではなく学習された組織戦略に着目することで、このフレームワークは、協調がアンサンブルや単一推論を超える真の優位性をもたらしうることを実証した。SATの66.7%と計算量同等の単一エージェントの58.7%との差は、価値がより多くのモデルを持つことではなく、協働方法を知るモデルを持つことにあることを示唆しており、これはオーケストレーション設計を手作業で調整するテンプレートではなく、学習可能な規律として位置づける発見である。

実証可能性との強い相関は、自然な限界条件も示している。SATが最もよく機能するのは、正しい推論が会話の中に現れたときに認識できる問題、すなわち数学、物理学、構造化推論といった検証可能な論理連鎖を持つ領域である。このプレイブック的手法が、そのような検証のないオープンエンドな作業にどこまで及ぶかは、今回の結果が残した問いである。