Towards self-driving codebases｜自律型コードベースに向けて

**自律的なコードベース構築に向けた研究の進展** ある研究チームは、長期にわたって自律的にコードを生成・修正するエージェントのスケーリングに関する研究を進め、その成果を一部公開し始めた。この研究は、現在のAIモデルの限界を探る内部プロジェクトとして始まった。チームは、数千ものAIエージェントを調整し、その行動を観察するための新しい「ハーネス」（制御フレームワーク）を開発した。 昨月までに、このシステムは1週間連続で安定して動作するようになり、研究プロジェクトであるウェブブラウザのコードへのコミットの大部分を自律的に行えるようになった。このブラウザは外部利用を想定しておらず、コードには不備があることが予想されていた。しかし、多少の欠点はあっても、数千のエージェントが人間の介入なしに、ほぼ完全に動作する成果物を協調して生み出せたことは、重要なマイルストーンと感じられた。 研究は、個人的なサイドプロジェクトとして、JavaScriptをサポートしないウェブページレンダリングエンジンの構築から始まった。当初は、最先端モデルに詳細な計画の作成と実行を促したが、タスクの規模が大きすぎて、モデルはすぐに道を見失い、複雑な実装詳細で行き詰まってしまった。しかし、モデルが小さな単位では優れたコードを書く知性を示したため、プロジェクトを細かいサブタスクに分解する必要性が明らかになった。 次の段階では、エージェントが並行して担当できる主要な作業の依存関係グラフを計画させ、タスクごとにエージェントを手動で起動した。これにより処理量は増えたが、エージェント同士が通信したりプロジェクト全体に対してフィードバックを与えたりできないため、成果は大きく改善されなかった。システムはより動的である必要があった。 一方で、GPT-5.1/5.2のような新型モデルは、指示を正確に追従する能力が高く、長期実行エージェントに適していることが判明した。これを受け、ハーネスはOpenAIのモデルを基盤とするように更新された。これにより、JavaScriptなしのシンプルなブラウザの構築には成功したが、1つのエージェントで完全なエンジンを構築するには時間がかかりすぎるという課題が残った。 そこで新たに始まった研究の焦点は、「計算リソースを10倍投入すれば、意味のある生産性を10倍得られるか」という問いだった。分散システムの複雑さを避けるため、単一の大規模なLinux仮想マシン上で、多数のリソースを活用するRustベースのシンプルなハーネスを新たに構築した。この取り組みを通じて、大規模な自律的コーディングシステムの実現可能性と、そのための基盤技術の開発が大きく前進している。

自律型コードベースに向けて

背景や根拠まで確認しますか？

調べる

選ぶ

サイト