MetaClaw：会話から自動進化するAIエージェント、空き時間にクラウドで重みを更新

現在運用されている多くの AI エージェントは、一度デプロイされると初期プロンプトのまま固定され、日々のタスク変化に適応できず徐々に陳腐化していくという課題を抱えています。モデルを更新しようにも、サービスの停止や再学習のコストが大きな壁となっていました。

aiming-lab はエージェント向け継続メタ学習フレームワーク「MetaClaw」をオープンソースとして公開しました。日常的な対話履歴を学習シグナルに変換し、ローカル GPU なし・停止時間ゼロで自己進化を続ける仕組みを提供します。

日中は即座にスキルを合成、夜間に重みを更新

MetaClaw の特徴は、進化サイクルを速度の異なる 2 つの機構に分けた点にあります。

迅速な適応を担うのがスキル駆動型機構です。タスク実行が失敗した際、LLM エボルバーが失敗ログを解析して再利用可能な行動スキルを合成し、即座にエージェントへ反映させます。これには一切のサービス停止を伴いません。

一方で、モデルそのものの能力向上には、プロセス報酬モデルを用いた強化学習（RL-PRM）とクラウド LoRA による勾配更新を活用します。

作業中の干渉を防ぐため、MetaClaw には機会学習スケジューラ（OMLS）が組み込まれています。キーボードの無操作状態、設定された就寝時間、Google カレンダーの予定を監視し、ユーザーが不在の隙間時間にのみクラウド更新を実行します。さらに、学習データの混同を防ぐバージョン管理機構により、古い報酬信号がモデルを汚染するのを防ぎます。

プロキシ型設計で手軽に導入可能

導入の敷居が低いことも大きな強みです。MetaClaw はエージェントと大規模言語モデル API の間にプロキシとして配置されるため、ローカルに高価な GPU を用意する必要がありません。

OpenAI 互換 API はもちろん、NanoClaw などの Anthropic 形式のエンドポイントにも対応しており、OpenClaw、CoPaw、IronClaw といった複数のエージェント基盤をそのまま接続できます。また、セッションを跨いで記憶を保持するコンテキスト層も備えています。

検証結果も顕著です。44 営業日相当・934 問で構成される MetaClaw-Bench において、スキル適応だけで相対精度が最大 32% 向上しました。フルパイプラインを適用した Kimi-K2.5 は、精度が 21.4% から GPT-5.2 のベースライン（41.1%）に迫る 40.6% へと急伸し、タスク完了率は 8.25 倍を記録しました。23 段階の AutoResearchClaw においても、堅牢性が 18.3% 改善しています。

なぜ重要か

日常的にエージェントを活用している開発者にとって、対話を重ねるだけで自分好みに賢くなっていく環境が追加のハードウェア投資なしで手に入る点は魅力的です。

業界全体にとっても、オフラインでの一括再学習から「常時稼働しながらの継続的メタ学習」へとエージェントの運用パラダイムを前進させる一手となります。即時スキルによる短期記憶と、睡眠時間を模した夜間更新による長期記憶の二層アプローチは、人間の学習構造に近く非常に合理的です。

カレンダーの空き時間を検知して裏で LoRA を回す設計は極めて実用的ですが、クラウド学習基盤（Tinker や MinT など）の利用コストや、失敗分析時のスキル合成精度がベースモデルの能力に左右される点には注意が必要です。