Sakana AI、推薦の質と多様性を高める新手法「QD-Rec」を発表　生成AIが提案理由を進化

要点

• Sakana AIは、推薦の質と切り口の多様性を同時に高める手法「QD-Rec」を発表した。

• 「候補」と「選ぶ理由（仮説）」を組とし、生成AIが過去の優れた仮説を進化させて新たな提案を作成する。

• バンディット技術による候補選定と、生態的地位（ニッチ）を模した局所評価により、効率的な探索を実現した。

• M&A、顧客ターゲティング、論文推薦の3分野で検証し、ゼロから生成する従来手法を有意に上回る成果を確認した。

• 関連する学術論文、技術解説記事、GitHubのソースコードが一般に公開されている。

• Sakana AIは2026年10月20日、オープンエンドな探索の考え方を意思決定支援に応用した推薦手法「QD-Rec」を発表した。選択肢となる候補に加え、選定理由を記した「仮説」を生成AIによって進化させ、多角的で質の高い推薦群を蓄積する仕組みだ。発表にあわせて論文のプレプリントや技術記事、実装コードが公開された。

開発背景：単なるスコア順を超えた「理由と多様性」の追求

M&Aの買収先選定や顧客ターゲティング、学術論文の探索など実社会の意思決定では、単一の最良解やスコア順のランキングを提示するだけでは十分でない場合が多い。意思決定の現場では、「何を選ぶか」だけでなく「なぜ選ぶのか」「選んだ先にどのような価値を生み出せるか」という具体的な論拠や事業シナリオ（同社はこれを「仮説」と定義）が求められる。

さらに、提案には多様な観点が必要となる。しかし、数千から1万件を超える候補それぞれに対し、生成AIを用いて多様な仮説を網羅的に作成・検証することは計算コスト上現実的ではない。そこで、限られた探索回数の中で候補と仮説の有望な組み合わせを幅広く見つけ出す「オープンエンドな推薦」の枠組みが考案された。

アルゴリズムの仕組み：進化計算とLLMを掛け合わせた探索サイクル

QD-Recは、単一の解ではなく異なる特徴を持つ高品質な解集合の探索を目指す手法「Quality-Diversity（QD）」を着想源としている。システムは以下の3段階の処理を繰り返す。

1. 候補の選択：過去の採点結果に基づき、成果が期待できる有望な候補と未知の候補をバランスよく抽出する。この割り振りには、限られた試行回数で探索と活用を両立するバンディット技術が使われる。
2. 仮説の生成：保存庫（アーカイブ）内の優れた仮説を「親」とし、提案役の大規模言語モデル（LLM）が新たな仮説を生成する。親の着眼点を一部変更する突然変異（mutate）や、複数の仮説を融合する交叉（crossover）を用いて作成される。
3. アーカイブの更新：採点役のAIまたは人間が新仮説を評価する。自然界の「ニッチ（生態的地位）」の概念を採用しており、全体で順位を争うのではなく、既存の最も類似した仮説1件とのみ比較する。新規の切り口であれば無条件で保存され、既存の切り口であれば1対1の比較で勝った仮説が生き残る。

これにより、多様な切り口が排除されずに共存し、次の世代の仮説を生み出す土台として機能する。

3つの領域で検証：ベースラインを上回る規模と品質を達成

アルゴリズムの汎用性を確かめるため、同一手法を用いて以下の3分野で実験が行われた。

• M&A：2024年8月時点の米国企業約6,300社のデータをもとに、買収候補とその戦略的論拠を探索。
• 顧客ターゲティング：架空の顧客プロファイル1万件から、特定製品（3Dプリンターやオンライン学習サービス）に適した対象層と理由を探索。
• 論文推薦：国際会議に採択された約17,500本の論文から、特定研究者向けの研究メモ付き推薦を探索。

生成と評価を1,000回実施した結果、過去の仮説を参考にせずゼロから生成するベースライン（Novelty）と比較して、QD-Recは多くの設定で平均評価が高く、規模の大きい推薦集合を構築したという。また、候補をランダムに選ぶ進化的手法（Novelty+Evo）との比較でも、反復回数を重ねるにつれてアーカイブの品質とサイズが右肩上がりに成長することが示された。

具体例：低評価の仮説が「踏み石」となり高評価へ昇格

実験では、初期に低評価を受けた仮説が別の候補へ応用されることで優れた提案へと進化した事例も確認されている。

提案役にclaude-sonnet-5、採点役にgpt-5.6-terraを用いたM&Aの実験では、米金融大手JPMorgan Chase & Coによる旅行予約サイトLiberty TripAdvisor Holdingsの買収提案を検証した。ゼロから仮説を生成した場合は買収に消極的で10点満点中1点にとどまった。

一方、QD-Recの保存庫には、事前に航空会社Southwest Airlinesへの買収提案が「1点」で残されていた。この提案は航空事業特有のリスクや規制面から低評価とされたが、「旅行動線に融資や決済、ポイントを組み込む」という金融シナジーの着眼点自体は評価されていた。

QD-Recはこの親仮説から金融シナジーの着眼点のみを抽出し、Liberty TripAdvisor Holdingsへ移植した。航空事業のリスクを避けつつ決済基盤の恩恵を取り込む提案へと刷新された結果、採点スコアは5点へと大幅に向上した。失敗した提案であっても、優れた着眼点が次の発見への「踏み石」として機能した実例といえる。

補足情報

なお、示された買収案は推薦手法を評価するためにモデルが生成した仮説であり、実際の買収計画や投資助言ではないと説明されている。関連する論文（arXiv: 2610.23470）およびコードはGitHubで公開されている。