NEWS & DOCUMENTARYAIと人間のこれから。
RAXUS AIAIのいまを確かめて届ける。
LATEST EDITION

ReTrace、エージェントの実行履歴を計画不要のワークフローへ蒸留──企業手順79件で完了率93.8%・費用24%減、τ²-Benchは170秒→1.3秒

コロンビア大学のKaiyuan Hou氏ら9名は2026年11月10日、ツール利用エージェントの実行履歴から、実行時にLLMの計画を必要としないワークフローを蒸留する手法ReTraceをarXivに公開した。著者はAmazonの所属メンバーを含み、第一著者の研究はAmazonでのインターンシップ中の作業と論文に明記されている。Amazonの運用平台から採った79件の実運用手順では完了率が93.8%(元エージェント96.8%)、1タスクの費用は0.096ドルと24%減った。τ²-Benchでは成功率75.8%(元80.6%)で、1タスクの時間は170秒から1.3秒になった。査読前のプレプリントで、数値は著者の測定値。ベンチマーク間で条件は異なり、τ²-Benchの速度差はシミュレーションツールの条件によるもので、実運用の一般的な速度比ではない。

ツール利用エージェントは各段階でLLMが次の行動を決め、柔軟な代わりに遅く、費用がかかる。固定ワークフローは速いが、分岐の条件を人間が設計する負担が残る。ReTraceは標準作業手順(SOP)と少数のエージェント実行履歴を入力に、各ツール呼び出しの理由を抽出し、条件をルール文書へ集約し、実行基盤ごとのコードへコンパイルする。単純なトレースの再生ではなく、ステップごとの判断根拠から条件を取り出す点が特徴で、実行時には計画用のLLM呼び出しが不要になる。ただし、ツール自体が内部でモデルを呼ぶ場合はその費用は残る。失敗例からの修復も方式に含む。

図解ReTraceの蒸留と実行の流れ
  1. 01 入力

    SOPと実行履歴

    標準作業手順と、その手順をエージェントが実行した少数の履歴を入力にする

  2. 02 抽出

    理由の抽出

    各ステップでツールを呼んだ理由(reasoning)を実行履歴から抽出する

  3. 03 統合

    ルール文書

    抽出した条件を中間のルール表現に集約する

  4. 04 変換

    コード生成

    ルールを実行基盤ごとに実行可能なワークフローコードへコンパイルする

  5. 05 実行

    計画なし

    実行時はLLMの計画なしでワークフローがツールを呼ぶ。失敗例からの修復にも対応する

arXiv:2611.14492v1の要約と本文(2026-11-17確認)。

3つの評価での数値

企業の手順では、著者の運用平台から顧客の利用量でサンプリングした79件の実運用手順を使う。完了率はReTrace 93.8%に対して元エージェント96.8%で3.0ポイント低く、1タスクの平均費用は0.127ドルから0.096ドルへ24%下がった。テスト入力は構築に使った入力と分離され、各方式が実行できた手順(79件のうち70〜78件)の上で測っている。この評価でのReTraceのワークフローはk=3で、パラメータのチューニングはしていない。

「企業の手順79件とτ²-Benchで、ReTraceのワークフローはエージェントにそれぞれ3ポイントと5ポイント以内に迫りながら、1タスクの企業内費用を24%切り下げ、τ²-Benchの1タスク時間を170秒から1.3秒にした。」

On 79 production procedures and on τ²-bench, ReTrace workflows come within 3 and 5 points of the agent, respectively, while cutting enterprise cost per task by 24% and τ²-bench time per task from 170 s to 1.3 s.

arXiv:2611.14492v1要約(2026-11-10、2026-11-17確認)

τ²-Benchでは成功率75.8%対80.6%(5ポイント差)で、1タスクの時間は170秒から1.3秒になった。論文はこの速度差がシミュレーションツールの条件によるもので、実運用の一般的な速度倍率ではないと説明する。SOP-Benchの8手順では、修復なしのReTraceは少数例から生成したワークフロー(80.6%)に届かない。ラベル付きの訓練失敗例から3回の修復を施すと87.8%(0.40秒/タスク)に達し、元エージェントの85.5%(46.6秒)を上回る。修復は別の設定(k=2)のワークフローを66.7%から81.2%へ上げた。

図解ReTraceと元エージェントの比較(著者測定値)
  • 企業手順79件の完了率

    元エージェント
    96.8%
    ReTrace
    93.8%(3.0ポイント低い)
  • 企業手順の1タスク費用

    元エージェント
    0.127ドル
    ReTrace
    0.096ドル(24%減)
  • τ²-Benchの成功率

    元エージェント
    80.6%
    ReTrace
    75.8%(5ポイント低い)
  • τ²-Benchの1タスク時間

    元エージェント
    170秒
    ReTrace
    1.3秒
  • SOP-Bench 8手順(修復後の成功率と時間)

    元エージェント
    85.5%(46.6秒)
    ReTrace
    87.8%(0.40秒)

arXiv:2611.14492v1の要約・本文・表(2026-11-17確認)。ベンチマーク間でタスクと条件が異なり、数値を横断比較しない。SOP-Benchの修復後の比較はラベル付きの訓練失敗例を使うため、未修復の方式と完全に同じ条件ではない。

読むときの留保として、これは査読前のプレプリントで、コードの公開と第三者による再現はまだ確認していない。企業内の完了フラグは実際のツールの成功と一致するとは限らず、論文自身もWebツールの成功率の差を別途報告している。蒸留には各ステップの推論を抽出できるモデルや実行ログへのアクセスが必要で、SOPの更新時には再蒸留と品質の監視が要る。定型の振り分けや申請チェックのような反復業務で、通常経路をコード化し例外をエージェントに残す運用が想定される適用先だ。

出典

  1. ReTrace: Distilling Tool-Using Agents into Planner-Free Workflows(arXiv:2611.14492v1)一次資料(2026-11-10投稿)。著者9名・所属、79手順の完了率93.8%対96.8%、費用0.127→0.096ドル(24%減)、τ²-Bench 75.8%対80.6%・170秒→1.3秒、SOP-Bench 87.8%/0.40秒対85.5%/46.6秒、k=2修復の66.7%→81.2%
  2. arXiv:2611.14492v1 HTML全文方法の詳細(理由の抽出、ルール文書、コードへのコンパイル、修復)、評価設定(テスト入力の分離、実行可能手順70〜78件、k=3無チューニング)、表の数値の確認

出典の確認日 2026.11.17

KEEP EXPLORING

あわせて読みたい記事と映像

プロダクトの記事一覧
  1. GitHub、エージェントセッションを端末間で継続させる「Agent Host Protocol」の実装を解説──VS CodeとGitHubで2つのホスト実装、6言語のSDK

    GitHubは2026年11月17日、公式Engineeringブログで、AIエージェントのセッションをエディタ、スマートフォン、クラウドの間で引き継ぐオープンなプロトコル「Agent Host Protocol(AHP)」の実装構造を解説した。執筆したのは同社のプリンシパルソフトウェアエンジニア、Connor Peet氏とRob Lourens氏だ。AHPの開発は2026年前半にVS Codeで始まり、仕様は10月2日にv1.0.0、11月13日にv1.1.0として公開済みである。今回の記事は新規プロトコルの発表ではなく、VS CodeとGitHubという異なる2実装に共通で使われている構造と設計判断の開示が中心だ。

    記事を読む
  2. Appleの研究チーム、対話操作に足る速さの動画生成「FastFrames」を公開──1.3B構成で1フレーム36ms、VAE復号とKVキャッシュ更新の置換が鍵

    Appleの研究チームは2026年11月17日、入力に応じた対話操作が可能な速さで480p動画を生成する自己回帰型動画拡散モデル「FastFrames」の論文をarXivに公開した(arXiv:2611.23226)。1.3Bの構成では単一のNVIDIA B200で1フレーム36ミリ秒(毎秒27.8回の応答)、14Bの構成では8基のB200で45ミリ秒を著者らは報告している。論文はまず既存モデルの推論を計測し、VAE復号とKVキャッシュ更新という「固定の実装詳細」とされてきた処理がエンドツーエンド遅延の半分以上を占めることを示したうえで、この2つを軽量な代替に置き換えた。論文、コード、重みが公開されている。

    記事を読む
  3. Google、GeminiのエージェントをTasksへ刷新──日本を含む6カ国で無料提供を順次開始、Gemini 4 Hydrogenとアカウント専用VMで実行

    グーグルは2026年11月17日、Geminiアプリの常時稼働型エージェントを「Tasks」として刷新し、米国・日本・韓国・カナダ・オーストラリア・インドの6カ国で無料提供を順次開始すると発表した。Gemini 4 Hydrogenを使い、ホーム画面のトグルをChatからTaskへ切り替えると、Google CloudのAgent Compute Engineが提供するアカウント専用のハードウェア隔離VMでタスクを実行する。電話発信やgemini@google.comへのメール転送、SMSによる指示は米国から順次の提供で、日本で同等の機能が使えるとは発表されていない。重要な操作の前に確認や事前承認を求める設計も明らかにした。

    記事を読む