# Athanor、AIエージェントだけで基盤モデルを改良

> Claude Opus 5.5のエージェント4体が104時間の実験でQwen3‑4Bの性能を向上させ、人間の指示なしに公式の指示追従版と同等の成績を達成した。

Oossa · 2026-10-16 · https://oossa.com/ja/ath-anor-lets-ai-agents-improve-a-base-model-on-their-own

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。

## 事実

- Athanorは、2026-10-16に公開されたarXiv論文で紹介された。
- 実験ではClaude Opus 5.5のエージェント4体が、それぞれ8基のGPUを搭載したノードを使用した。
- 104時間の実験で、Qwen3‑4B‑Baseの開発用スイートのスコアは15.9から67.3に上昇した。
- ホールドアウト・スイートのスコアは9.2から48.2に改善し、公式の指示追従版の47.9を上回った。
- エージェントが使ったのは公開データのみで、外部の教師モデルを呼び出すことはできなかった。

## なぜ重要か

今回の結果は、現在のAIエージェントが、追加学習に関する研究サイクルを最初から最後まで実行できるだけのエンジニアリング能力をすでに備えていることを示している。大規模な研究施設を持たない組織でも、より低コストで競争力のある指示調整済みモデルを作れる可能性がある。ただし、成果の独立した検証はまだ行われていない。

## 出典と参考資料

1. [Athanor: An Agent-Native System for Autonomous Post-Training Research](https://arxiv.org/abs/2610.21055) – arXiv, 2026-10-16

最終更新: 2026-10-16