MetaのAIRA3、NVIDIAの4,182チーム参加Nemotronチャレンジで8位
Metaによると、AIRA3はNVIDIAのNemotron-3-Nano-30B推論モデルを自律的にファインチューニングし、Kaggleの金メダルを獲得した。
目次 · 12
一、ライブコンペティションでMetaの研究システムが数千チームと競った
Metaによると、自律型研究システムAIRA₃はNVIDIAのNemotron Model Reasoning Challengeで8位となり、4,182チームの中でKaggleの金メダルを獲得した。
この結果は、Metaが後から構築したベンチマークではなく、実際に開催されたコンペティションによるものだ。Kaggleの記録によると、このチャレンジは2026年3月16日から6月15日まで実施され、5,223人の参加者を集め、71,743件の提出を受け付けた。Metaは6月にAIRA₃を参加させ、最終成果物は他の競技者の順位付けに使われたものと同じ非公開テストセットで評価されたとしている。
8位は優勝ではない。AIRA₃を上回るチームが7つあり、Kaggleの賞金は上位3チームにのみ与えられた。「Gold」はプラットフォーム上のメダル階級を指す。この区別は重要である。AIRA₃が「4,000チームを打ち負かした」とする説明では、上位に入ったチームの存在と、メダル獲得と1位の違いの両方が見落とされるためだ。
この留保があっても、この順位は社内デモより強い証拠を示す。対象モデル、提出形式、評価手順、締切はNVIDIAとKaggleが設定した。Metaは公開された課題に対して最適化できたが、最終的な採点環境を管理していたわけではない。
Metaはこの結果を、AIRA₃が特定のモデル能力を人間の専門家に匹敵する水準で改善できる証拠と解釈している。この順位が裏付けるのは、システムが非常に競争力の高いファインチューニング提出物を作成したという、より限定的な主張である。それだけで、一般的な科学能力や、自由度の高い業務全般における人間研究者との同等性が確立されるわけではない。
二、Nemotronチャレンジが実際に測定したもの
コンペティションでは、参加者に対して同じベースモデルを維持しながらNVIDIA-Nemotron-3-Nano-30Bの推論精度を改善することが求められた。必要な提出物は、最大ランク32の互換性のある低ランク適応、すなわちLoRAアダプターだった。
この制約により、コンテストは制限のない最強の言語モデルを探すものではなく、対象を絞ったモデル改善問題となった。参加者は学習データ、プロンプト戦略、合成データパイプライン、強化学習手法、軽量なファインチューニング工程を変更できたが、最終的なアダプターはNVIDIA指定のモデルと評価スタック上で動作しなければならなかった。
NVIDIAの技術レポートは、Nemotron 3 NanoをハイブリッドMamba-TransformerのMixture-of-Expertsモデルとして説明している。総パラメータ数は316億で、各フォワードパスで活性化されるのは32億、埋め込みを含めると約36億である。
優勝チームの公開された解説によると、提供された学習セットには、ビット操作、数値方程式、暗号算術、テキスト暗号、数体系、単位変換、重力を扱う9,500件のラベル付き問題が含まれていた。各プロンプトは未知の変換の例を提示し、新しいケースに答える前に規則を推論するようモデルに求めた。
Kaggleは提出された各アダプターをvLLM推論エンジンで読み込んだ。回答は主にLaTeXの\boxed{}式から抽出され、参照文字列と完全に一致するか、相対的な数値許容誤差\(10^{-2}\)の範囲内にあれば正解として数えられた。最終スコアは正答の割合だった。
固定された推論設定には、8,192トークンのモデル長、最大7,680生成トークン、温度0、1.0に設定されたtop_pが含まれていた。こうした制御によりサンプリング挙動による差異が抑えられ、順位は各アダプターが学習した内容に集中した。
非公開テストセットにより最終解答への直接的な最適化は制限されたが、統制された人間対AIの実験になったわけではない。Kaggleのチームは異なる計算予算、外部リソース、自動化ツールを使用でき、一部の提出物自体がAIに大きく依存していた可能性もある。したがって、リーダーボードが比較しているのは、同一の実験室条件で補助なしに活動する個々の研究者ではなく、完成したシステムとワークフローである。
三、AIRA3は複数のモデルとコーディングハーネスを使用した
Metaによると、AIRA₃は単一のエージェントや中央コントローラーに依存していない。隔離された環境で複数の長時間稼働エージェントを実行し、各エージェントは言語モデルとコーディングハーネスを組み合わせている。
エージェントは2つの共有機構を通じて非同期に連携する。フォーラムには仮説、実験結果、議論が記録され、共有ファイルシステムには解法の成果物が保存される。個々のエージェントは、情報が蓄積されるにつれて、どの発見を調査または発展させるかを決める。
この設計は、有用な発見を1つのエージェントのコンテキストウィンドウや実行時間を超えて維持することを意図している。あるモデルとハーネスの組み合わせが実行した実験は、別の組み合わせの入力となり得る。これにより、後続の作業は探索を独立して再開するのではなく、先行する結果を基盤として進められる。
ライブのNemotronコンペティションで、MetaはOpenCodeを組み合わせたGPT 5.5と、Claude Codeを組み合わせたClaude 4.8を統合するアンサンブルを使用した。したがって8位という結果は、1つの基盤言語モデルではなく、AIRA₃の完全なワークフローに帰属する。
Metaはまた、同じ非公開テストセットにおけるコンペティション後の複数の評価も報告した。MuseCodeを組み合わせたMuse Spark 1.2の構成は、Metaが金メダル相当の性能と説明する結果に達した。OpenCodeを組み合わせたMuse Spark 1.1と、OpenCodeを組み合わせたGLM 5.2は銀メダル圏に達した。
こうした事後的な結果は、オーケストレーション方式が異なるモデルとハーネスの組み合わせでも機能し得ることを示す有用な証拠だが、追加のライブ順位ではない。コンペティション期間中に報告された8位を獲得したのは、GPT 5.5とClaude 4.8のアンサンブルだけである。
四、AIRA3がMetaの先行する研究エージェントの取り組みをどう拡張したか
AIRA₃は、Metaが2026年4月に文書化したAIRA₂システムに続くものである。この先行プロジェクトは、自律型機械学習研究における3つのボトルネック、すなわち限られた実験スループット、長期探索中の信頼性に欠ける検証シグナル、固定的で単一ターンのモデルオペレーターの制約された挙動に焦点を当てていた。
AIRA₂は、非同期のマルチGPUワーカープール、Hidden Consistent Evaluationプロトコル、作業範囲の設定やデバッグを対話的に行えるReActエージェントによって、これらの問題に対処した。
Metaによると、AIRA₂はMLE-bench-30において、24時間後に平均パーセンタイル順位81.5、72時間後に83.1を達成した。これは最強のベースラインの72.7と比較した値である。別のAIRS-Benchスイートでは、AIRA₂は20タスク中6タスクで、示された人間の最先端水準を上回った。
AIRA₃の発表は、評価を選定された研究ベンチマークから、外部の締切と非公開採点を伴う進行中のコンペティションへ移している。また、そのフォーラムとファイルシステムの設計は、並列ワーカーを実験スループットを増やす手段としてのみ提示するのではなく、永続的なエージェント間の協働を強調している。
MetaはまだAIRA₃の論文、ソースリリース、詳細な技術レポートを公開していない。この発表では、エージェント数、総計算支出、学習レシピ、実験回数、Meta研究者による介入、共有知識の価値と試行回数増加の価値を分離するアブレーションは開示されていない。したがって、現時点では8位のワークフローを再現することも、どのコンポーネントが最も寄与したかを判断することもできない。
五、この結果が確立することと、未検証のまま残ること
最も明確な実務上の結果は、自律型研究ワークフローが外部評価のもと、制約されたモデル学習問題に対するトップ10の解法を生み出したことである。研究エージェントを開発する企業にとって、これはデータ生成、実験、ファインチューニング、選択を、経験豊富なKaggleチームと競えるほど適切に管理できるワークフローを示している。
この結果は、AIRA₃が価値ある研究課題を独立して選定したこと、評価を設計したこと、自身の基盤エージェントモデルを改善したことを示すものではない。同システムは、既知のコンペティション目的に対して、別個のNemotronモデルの事前定義された能力を最適化した。これを再帰的自己改善と表現することは、現在利用可能な証拠を超える。
Metaによると、同じシステムはタスク仕様だけを変更することでドメイン間を移行できる。Metaは社内ベンチマークにおいて、本番GPUカーネルのレイテンシを27%削減したこと、ならびに音訳された古アッシリア語アッカド語を英語に翻訳するKaggleのDeep Past Challengeで金メダル相当の性能を示したことを報告した。
Deep PastコンペティションはKaggleによって独自に文書化されているが、Metaはその実行に関する識別可能なAIRA₃のリーダーボード項目、スコア、技術的解説を提供していない。GPUカーネルの数値も社内のものであり、ワークロード、ベースライン、ハードウェア構成、測定方法は開示されていない。したがって、両結果は独立して再現可能な証拠ではなく、Metaが報告した転移テストとして扱うべきである。
自律型研究システムを評価する企業にとって、Nemotronでの順位は競争力のあるタスク性能を確立する一方で、コストと効率は未解決のまま残す。計算使用量、人間による監督の記録、独立した並列エージェントとの統制比較がなければ、AIRA₃が専門家チームより経済的か、または共有協調の仕組みが同等量の非協調探索を上回るかは、この結果から示せない。
よくある質問
AIRA3とは何ですか？
AIRA₃はMetaの自律型AI研究システムである。Metaは、隔離環境で動作し、共有フォーラムとファイルシステムを介して連携する、長時間稼働のモデルとコーディングハーネスの複数ペアとして説明している。
AIRA3はNVIDIAのコンペティションで優勝しましたか？
いいえ。8位で、Kaggleの金メダルを獲得した。上位には7チームが入り、コンペティションの順位賞は上位3チームが対象だった。
ライブ提出を支えたモデルはどれですか？
Metaによると、ライブ参加ではOpenCodeで動作するGPT 5.5と、Claude Codeで動作するClaude 4.8を組み合わせた。
AIRA3はNemotronの何を変更しましたか？
NVIDIAのNemotron-3-Nano-30Bベースモデル向けに、ランクを32に制限したLoRAアダプターを作成した。コンペティションでは、適応後のモデルが構造化された推論問題により正確に答えられるかを測定した。
AIRA3は公開されていますか？
Metaの発表では、AIRA₃のソースリリース、ダウンロード可能なシステム、完全な技術論文は提供されていない。その正確な学習プロセスと計算要件は非開示のままである。
参考ソース
Share