現在のAIエージェントは一度導入されると性能が固定されやすく、ユーザーのニーズの変化に対応するには多大なコストと再学習のためのダウンタイムが必要だった。MetaClawはこの「停滞のギャップ」を解決するため、実際の運用環境でエージェントを成長させる二系統の学習システムを導入した。この枠組みにより、ソフトウェアアシスタントは開発者による手動の更新を待つことなく、実世界でのやり取りを通じて自律的に能力を磨き続けることが可能になる。

第一の系統は「スキル主導の高速適応」だ。エージェントがタスクに失敗した際、内部の進化メカニズムがその原因を分析し、再利用可能な新しいスキルを合成する。これにより、モデル自体の重みを書き換えることなく即座にパフォーマンスを改善でき、20種類以上のチャネルでより正確な対応が可能となる。一方で、第二の系統である「機動的なポリシー最適化」は、より根本的な論理構造の更新を担う。内部スケジューラがシステムの非稼働時間やカレンダー情報を監視し、ユーザーが不在の間にLoRAやプロセス報酬モデル（RL-PRM）を活用した微調整を実行する。これは、エージェントがその日の学習内容を処理するために「眠る」ようなプロセスといえる。

検証の結果、この自律的な進化によってKimi-K2.5モデルの精度は21.4%から40%超へと跳ね上がり、GPT-5.2の性能に迫る勢いを見せた。また、独自のバージョニング管理によってデータの混同を防ぐことで、過去の失敗の単なる暗記ではなく、実体験に基づいた本質的な学習を実現している。

現在のAIエージェントは一度導入されると性能が固定されやすく、ユーザーのニーズの変化に対応するには多大なコストと再学習のためのダウンタイムが必要だった。MetaClawはこの「停滞のギャップ」を解決するため、実際の運用環境でエージェントを成長させる二系統の学習システムを導入した。この枠組みにより、ソフトウェアアシスタントは開発者による手動の更新を待つことなく、実世界でのやり取りを通じて自律的に能力を磨き続けることが可能になる。

第一の系統は「スキル主導の高速適応」だ。エージェントがタスクに失敗した際、内部の進化メカニズムがその原因を分析し、再利用可能な新しいスキルを合成する。これにより、モデル自体の重みを書き換えることなく即座にパフォーマンスを改善でき、20種類以上のチャネルでより正確な対応が可能となる。一方で、第二の系統である「機動的なポリシー最適化」は、より根本的な論理構造の更新を担う。内部スケジューラがシステムの非稼働時間やカレンダー情報を監視し、ユーザーが不在の間にLoRAやプロセス報酬モデル（RL-PRM）を活用した微調整を実行する。これは、エージェントがその日の学習内容を処理するために「眠る」ようなプロセスといえる。

検証の結果、この自律的な進化によってKimi-K2.5モデルの精度は21.4%から40%超へと跳ね上がり、GPT-5.2の性能に迫る勢いを見せた。また、独自のバージョニング管理によってデータの混同を防ぐことで、過去の失敗の単なる暗記ではなく、実体験に基づいた本質的な学習を実現している。