GPT-5.6 Sol、小型AI「Luna」を自律訓練
OpenAI's GPT-5.6 Sol autonomously post-trained the smaller Luna model with a "fairly underspecified prompt"
3行まとめ
- •GPT-5.6 Solが別AIモデルを自律的に訓練
- •RSIスコアはGPT-5.5比16.2pt高い
- •自動化研究者の実現が射程内とOpenAIが発表
詳細
背景
OpenAIの最上位モデルGPT-5.6 Solが、社内の再帰的自己改善ベンチマーク（RSI: Recursive Self-Improvement）においてGPT-5.5比で16.2ポイント高いスコアを記録した。RSIとは、あるAIモデルが別のAIモデルを自律的に改善できる能力を定量化する指標であり、AI開発の次世代課題として業界が注目している分野だ。
内容
今回の実証では、GPT-5.6 Solが「かなり曖昧なプロンプト（fairly under-specified prompt）」1つを与えられた状態で、より小型のモデル「Luna」のポストトレーニング（事後学習）を自律的に完了させた。従来のAI開発ではモデルの訓練に人間の研究者による詳細な設計・指示が必要だったが、Solはその介入を最小化した形で訓練を実行した。このプロセスは単一の曖昧な指示だけを起点としており、人間による細かい工程管理を必要としない点が特徴だ。
今後の影響
OpenAIはこの結果を踏まえ、自律的に研究・実験を行う「自動化された研究者（automated researcher）」の実現が現実の射程に入ったと述べている。今回の実証は、AIが人間の詳細な指示なしに別のAIモデルを訓練できることを示した事例であり、再帰的自己改善という概念がAI安全性研究において長年取り上げられてきた背景からも注目される結果となった。AI開発の自動化が進む中で、この種の能力評価指標の整備と透明な公開が今後の業界標準となる動きも出てくる。
なぜ重要か
GPT-5.6 SolがLunaを自律的に事後学習させた実証結果をOpenAIが公開した。AIが別のAIを自律訓練する再帰的自己改善が現実的な開発手法となりつつある。