AIエージェント能力アトラス › 仕事ごとの一覧 › 基盤能力（横断） › 学習・適応

テスト時適応・セッション内オンライン学習

Test-time adaptation and in-session online learning

0 できない ／ 1 デモ止まり ／ 2 補助 ／ 3 実務品質（要確認） ／ 4 専門家並み ／ 5 専門家超え。「予」は予測。

専門家と比べて

人間は失敗した直後にやり方を変えるが、AIエージェントのテスト時適応は同一セッション内のフィードバック取り込みに限られ、セッションを超えた学習は別の記憶機構に依存する

できること

同一タスク実行中にツール実行結果やエラーメッセージを見て次の行動を調整する狭い意味でのオンライン適応は機能する

まだできないこと

セッションをまたいだ真のオンライン学習（モデル重みの更新）は行われず、『学習したこと』は次回セッションでは失われる（記憶機能で部分的に代替するのみ）

なぜそうなのか

重み更新を伴わない適応はコンテキスト長にスケーラビリティの限界があり、モデル自体の学習ではなく外部記憶への依存になる

これからの予測の根拠

外部記憶とICLの組み合わせでの疑似オンライン学習は2028年に成熟するが、真の重み更新型オンライン学習は継続学習問題の解決待ち

いま使える主な道具

Claude memory、Agentic Uncertainty Quantification

根拠

• Agentic Uncertainty Quantification 2026-01
  セッション内でのフィードバック取り込みによる適応制御の枠組み
• Mechanistic Analysis of Catastrophic Forgetting in Large Language Models During Continual Fine-tuning 2026-01
  重み更新を伴う真のオンライン学習が未解決であることの背景

同じ分野のほかの仕事（学習・適応）

• インコンテキスト学習（少数例からの適応）
• 継続学習・重み更新なしの限界

AIエージェント能力アトラス 2026（2026-09-06 時点・v1.0）の1マスです。レベルは公開された実験・ベンチマーク・報告から付けた目安で、2027年以降は予測です。全マスに根拠のリンクがあります。作者は個人で、AI（Claude）と一緒に調べて作っています。