Athanor、AIエージェントだけで基盤モデルを改良

研究者らは、AIエージェントが自ら追加学習の実験を行うためのツールを備えたオープンシステム「Athanor」を公開した。エージェントはデータや評価スイート、ジョブ管理機能を利用できる一方、外部の教師モデルを呼び出すことはできない。104時間にわたるテストでは、8基のGPUを搭載したノードをそれぞれ使うClaude Opus 5.5のエージェント4体が、未調整のQwen3‑4B‑Baseモデルを大幅に改良した。

エージェントが達成したこと

6つのタスクからなる開発用スイートで、モデルのスコアは15.9から67.3に上昇した。非公開のホールドアウト・スイートでも9.2から48.2に伸び、公式のQwen3‑4B‑Instruct‑2507のスコアである66.5と47.9を、それぞれ上回った。エージェントは、公開された推論データを使った教師ありファインチューニング、強化学習における新たなロールアウト手法、エージェント間での重みのマージ、複数回の自己蒸留など、既知の手法を組み合わせてこの成果を上げた。こうした取り組みはすべて、人間から研究上の助言を受けずに行われた。

重要な理由

AIエージェントが信頼性の高い研究サイクルを自律的に回せるなら、より優れたモデルの開発コストが下がり、進歩が加速する可能性がある。大規模な研究チームを持たない開発者にとって、Athanorのようなオープンプラットフォームは、自律型の学習パイプラインを使った実験を小規模なグループでも可能にするかもしれない。