AIが別のAIを自律的に強化、人の助言なしで公式モデル超えの性能を達成

AIシステムがより強力なAIを自律的に構築する能力を検証するため、AIエージェントだけで別のモデルを学習済みのAIに自社データなどを追加で学ばせて、特定の用途に合わせて調整すること。">追加学習させる研究システム「Athanor」に関する論文が2026年10月17日、arXivで公開された。外部のより賢いモデルによる指導を受けられないサンドボックス環境下で、エージェントが完全な自律性を持って研究開発を遂行できるかを検証している。

Athanorは実環境のGPU上で動作し、エージェントに対して学習用コードやデータ、評価環境を提供する。エージェント自身がデータセットや評価結果を分析し、学習データの作成、アルゴリズムの書き換えや修正、ハイパーパラメータの調整、次の実験方針の決定までをすべて自律的にこなす。

検証実験では、8基のGPUを割り当てられたClaude Opus 5.5のエージェント4体によるチームが、助言を一切受けずに104時間の改善キャンペーンを実施した。対象となった未調整の基礎モデル「Qwen3-4B-Base」は、6種類のタスクからなる開発スイートのスコアが15.9から67.3へ、未知のテストスイートでも9.2から48.2へと大幅に向上した。これは公式の調整済みモデル「Qwen3-4B-Instruct-2507」のスコア（それぞれ66.5および47.9）を上回る結果となった。

記録によると、エージェントたちは公開データによる指示学習や強化学習の手法改良、重みの統合、自己蒸留などを組み合わせることでこの性能を達成した。研究チームは、現行のAIエージェントがすでに十分な工学・研究能力を備えているとし、自律的なAI研究を拡大するための基盤になることを期待している。