フロンティアAIが自ら小規模モデルを訓練——Athanorの104時間実験

フロンティアエージェントのチームが、公開データだけを使って生のベースモデルを自ら事後学習し、公式の指示チューニング版に並ぶ性能に到達したとする論文が2026年10月15日に公開されました。システム名は「Athanor」です。

何を測ったのか

AIがより強いAIを作る「再帰的自己改善」の、いま測れる範囲での弱い形です。エージェントはデータと評価結果を読み、訓練データを組み、アルゴリズムを書き換え、次の手を自分で決めます。

実験の条件と結果

4体のClaude Opus 5.5エージェントが、それぞれ8基のGPUノードを使いました。助言は与えていません。104時間の実行で、Qwen3-4B-Baseは開発用スイートで15.9から67.3へ、伏せられた評価用スイートで9.2から48.2へ伸びました。公式の指示チューニング版は66.5と47.9です。

何で到達したのか

論文は、既知の手法の組み替えだと説明します。公開推論データでの教師あり微調整、エージェントが持ち込んだ変更を伴う強化学習、エージェント間の重みの統合、自己蒸留の繰り返しです。Hugging Faceで公開されている学習資源を使い切る形になっています。

編集部の見解

新しい発見ではなく、既存手法の組み合わせで到達した点に意味があります。研究の進め方が、人手の調整から実行基盤の設計へ移りつつあることを示すからです。日本の開発組織にとっては、評価環境と実行基盤を先に整えた組織ほど恩恵を受けやすいという含意があります。

my-best.ai 編集部

出典：arXiv（cs.AI、2026年10月15日）