TIP
← 記事

AI

ローカルAIエージェントの誤動作を候補駆動で制御——韓国・漢陽大学が「CANDID」フレームワークを発表

2026/11/22

ローカルCUAの「2大失敗モード」に正面から挑む

韓国・漢陽大学のWoongkyu LeeとJungwook Choiは、ローカル環境で動作するコンピューター操作エージェント(CUA: Computer-Use Agent)の信頼性を高める実行制御フレームワーク CANDID(Candidate-Driven Intervention for Disciplined Execution)を提案した。論文はarXivにて公開されている。

クラウドベースの大規模APIや専用推論モデルを使わずに、手元のマシンでGUI操作を自動化したいというニーズは高まっている。しかし著者らによれば、ローカルCUAには共通した2つの失敗パターンが存在するという。

  1. 繰り返しアクションループ:同じ操作を何度も実行し続けて抜け出せなくなる
  2. 早期DONE判定:タスクが未完了なのに「完了した」と誤って終了してしまう

この2つは互いに連動しており、ステップ数や参照履歴を単純に増やしても、一方の失敗を減らすと他方が増えるというトレードオフが生じることが実験で示されている。

テキストフィードバックでは解決できない

従来のエージェント修復手法では、エージェント自身に軌跡を振り返らせてテキスト形式のフィードバックを生成し、次のアクションに活かす「自己反省」アプローチが多く使われてきた。しかし著者らが実装した2種類のフィードバック機構——繰り返し行動を検出して反省文を追記する ループブレーカー と、早期DONEを棄却して修正を促す ベリファイア——を評価した結果、いずれもローカル規模のモデルには効果が限定的だったと報告している。

論文中の表によれば、ループブレーカーを適用した後も61〜65%の割合で同じアクションや同じ対象を繰り返し、最終的に92.8%のケースで失敗していた。ベリファイアによるDONE棄却後も、73.4%のケースで再びDONEを出力したとされている。これはローカルモデルの推論能力では、テキスト批評を具体的な代替アクションに変換するのが困難であることを示す、と著者らは分析している。

CANDIDのアプローチ:候補の「不一致」を制御シグナルに

CANDIDが着目したのは、「ローカルCUAは自分の軌跡の進捗を評価するのが苦手でも、同じ画面状態から複数の実行可能なアクション候補を生成することはできる」という観察だ。繰り返し行動が発生している場面でも、同じ状態から4つの候補を生成すると、47.7%のケースで全候補が異なるアクションになり、全候補が同じアクションに収束するのは8.4%に留まると報告されている。

この性質を活かし、CANDIDは2つのモジュールを実装する。

ループリカバリーモジュール

スライディングウィンドウを使ったルールベースの検出器が繰り返しパターンを検知すると、まずローカルモデルがループに陥っているかを確認する2段階ゲートを通過する。ループが確認された場合のみ、同じ状態から複数の候補(主実験では4つ)をサンプリングし、ループパターンに一致する候補や不正な候補を除外した上で代替アクションを選択・実行する。介入が不要な通常ステップでは追加コストが発生しない設計になっている。

全会一致DONEゲーティングモジュール

エージェントがDONEを提案した場合のみ起動し、同じ文脈から追加の候補をサンプリングする。全候補がDONEに同意した場合のみ終了を受け入れ、1つでも継続アクション(クリック、WAITなど)が含まれていればDONEを棄却し、継続候補の中から次のアクションを選択する。外部ベリファイアを使わず、エージェント自身の候補多様性を「疑念の根拠」として利用する保守的なポリシーだ。多数決との比較では全会一致ポリシーの方が早期完了をより効果的に抑制したことも論文内で示されている。

モデル別の自動設定

Qwen3-VL-8B、Qwen3-VL-30B-A3B、OpenCUA-7Bで測定した診断指標に基づき、各モデルの主な失敗モードに合わせてどちらのモジュールを有効化するかを自動設定する仕組みも備えている。たとえばQwen3-VL-8BはループRate(32.12%)が高いためループリカバリーのみを適用し、OpenCUA-7Bはループが少ない(7.09%)が全会一致率が低い(40.8%)ためDONEゲーティングのみを適用するといった構成になっている。

OSWorldでの評価結果

OSWorldベンチマークを用いた実験では、CANDIDが評価した全てのローカルCUAモデルでタスク成功率を継続的に改善し、フィードバックベースの手法やテスト時スケーリングのベースラインをいずれも上回ると報告されている。また、介入を全ステップに均等に適用するのではなく、失敗が起きやすい点に絞ったスパースな介入の方が効果的であることも、アブレーション分析によって示されているとしている。

まとめ

CANDIDは、モデルの重みを変更せず、高価な外部モデルへの問い合わせも不要なまま、ローカルCUAの2大失敗モードに対処できる軽量フレームワークとして位置づけられる。リソース制約のある環境でのGUI自動化を前進させる手法として注目に値する。なお、本文の末尾が切れている可能性があるため、詳細な数値結果については論文本体を参照されたい。


出典: CANDID: Candidate-Driven Intervention for Disciplined Execution in Local Computer-Use Agents