ace-agent/ace

What it solves

ACE (Agentic Context Engineering) は、大規模言語モデルにおける「コンテキストの崩壊（context collapse）」と「簡潔さへのバイアス（brevity bias）」の問題に対処します。従来の反復的なプロンプトの書き換えは、時間の経過とともに詳細でドメイン固有の知識を損なうことがよくあります。ACE は、システムプロンプト（コンテキスト）を、以前の情報を失うことなく戦略を蓄積・洗練させていく進化する「プレイブック（playbook）」として扱うことで、LLM の自己改善を可能にします。

How it works

ACE は、コンテキストの進化を管理するために、3つの役割を持つエージェント・アーキテクチャを使用します：

1. Generator: クエリに対する推論の軌跡（reasoning trajectories）を生成し、効果的な戦略や繰り返される間違いを特定します。
2. Reflector: これらの軌跡を評価して洞察を抽出し、特定の戦略に対する「役立つ/有害な」カウンターを更新します。
3. Curator: これらの洞察を、構造化されたデルタ更新（delta updates）に変換します。これは、意味的な類似性と使用統計に基づいて、情報の追加、結合、または削除を行う局所的な編集です。

このプロセスにより、モデルはオフライン（トレーニング/検証セットを使用）またはオンライン（リアルタイムに適応）モードのいずれかで、自然な実行フィードバックから学習することが可能になります。

Who it’s for

ファインチューニングのコストと複雑さを回避しながらモデルの性能を向上させたい、LLM エージェントやドメイン固有の推論タスク（金融分析やデジタル環境とのインタラクションなど）に取り組む開発者や研究者。

Highlights

• Self-Supervised Learning: ラベル付きの教師あり学習ではなく、実行フィードバックを使用して性能を向上させます。
• Incremental Delta Updates: 全文の書き換えではなく、局所的な編集を行うことで、コンテキストの崩壊を防ぎます。
• High Efficiency: 他の適応型手法と比較して、適応のレイテンシとトークンコストを大幅に削減します。
• Structured Playbooks: 進化したコンテキストを、使用カウンター付きの追跡可能な戦略、数式、および一般的な間違いとして整理します。