オックスフォード大学の研究者ら、最先端のLLMエージェントは単純な課題でも別々に開発された相手と協調しにくいと報告
オックスフォード大学の研究者7人は11月4日、別々に開発されたAIエージェントどうしが、事前の打ち合わせなしに協調できるかを調べた論文「Zero-Shot Coordination among LLM Agents」を公開した。研究者らは、最先端の大規模言語モデル（LLM）を使うエージェントが、単純な課題でもうまく協調できないことが多いと報告した。
研究者らは公開に先立ち、4月にAIの国際会議ICLRのワークショップでこの研究を発表していた。
著者らは、別々に開発されたエージェントが協調する実例として、コーディングツールのCursorで提供元の異なるLLMを使うエージェントが一緒にコードを書く使い方を挙げた。
研究では、協調に要る力を1つずつ確かめる9つの単純な課題を用意した。著者らは、これらの課題での好成績を、現実の場面でうまく協調するための最低限の条件と位置づけた。
詳しく分析した課題「Cat & Dog」では、壁の向こうの動物が猫か犬かを一方だけが見て、もう一方が当てる。見た側は点数を減らさずに明かりをつけて合図できるが、明かりの意味は事前に決まっていない。事前の打ち合わせがなければ、点数を減らしてでも壁を外し、動物を見せるのが最適な選択になる。
Cat & Dogで2つの役の一方を受け持ち、1手ずつ行動を答えるエージェントを異なるモデルどうしで組ませると、得点は壁を外せば確実に得られる5点を大きく下回った。Gemini 3 Proは「明かりがついたら猫」という決まりを一貫して選び、同じモデルどうしでは協調できたが、ほかのモデルとはうまく協調できなかった。
著者らが失敗の例として示した1回のゲームでは、Gemini 3 Proはどの決まりにも根拠がないと認めながら決まりを1つ選び、それを自然だと説明した。相手のGPT-5.2は逆の「明かりがついたら犬」を自然だと考えた。
1手ずつ答えるGrok 4.1 FastとGPT-5.2は、同じモデルどうしで組ませても、9つの課題のうち7つで協調に失敗する割合が高かった。失敗の要因として著者らは、協調で何が問題になっているかを十分に理解していないこと、相手と共通の決まりがまだないことに気づかない点、相手が自分の行動をどう受け取るかを推し量る力の弱さを挙げた。
対策として著者らは、協調の一般的な原則を文章にまとめ、各開発元が共通して使うことを想定した指示「Coordination-friendly definition（CFD）」を提案した。
著者らが手作りしたCFDは、決まりや役割の分担を根拠なく選ばないよう求める内容だ。これをプロンプトに加えると、1手ずつ答える同じモデルどうしの組で協調に失敗する割合は、Grok 4.1 Fastで9つの課題のうち6つ、GPT-5.2で5つで下がった。
一方、その場で相手と決まりをつくる必要がある課題では、CFDを加えたエージェントが決まりに頼らない安全な選択を繰り返し、決まりをつくれなかった。著者らは、根拠のない決まりに頼って大きく失敗するより、安全な選択に偏るほうが望ましいとみている。
【関連サイト】Adrian Hayler ほか（University of Oxford）「Zero-Shot Coordination among LLM Agents」
