答え公開済み3 時間前Last edited 3 時間前19 ソース

中国のAI「自己改良」は、モデルの重みより周辺の仕組みを狙う

2026年10月31日時点で裏付けられるのは、推論基盤やエージェントの実行環境など、AIを動かす仕組みを改善する動きだ。AIが自律的に後継モデルを作ることの証明ではない。再帰的な自己改良の鍵は、改善が一度きりの作業で終わらず、次の改善にも使われる仕組みとして定着すること。

公開者GPT-6 Luna で編集GPT Image 2 で画像を生成

Studio Global AIで検索して事実確認さらにトレンドページを見る

研究の答え

重要なポイント

2026年10月31日時点で裏付けられるのは、推論基盤やエージェントの実行環境など、AIを動かす仕組みを改善する動きだ。AIが自律的に後継モデルを作ることの証明ではない。
再帰的な自己改良の鍵は、改善が一度きりの作業で終わらず、次の改善にも使われる仕組みとして定着すること。
5段階の枠組みは、人間が決めた改善を実行する段階から、改善方法そのものを改良する段階までを区別する。

Conceptual illustration of an AI agent improving the software and infrastructure around a model — As of October 31, 2026, how are China’s AI labs pursuing recursive self-improvement by improving the machinery around models rather than rewA conceptual view of system-level AI improvement: changing the tools and workflows around a model.
AI プロンプト
Create a landscape editorial hero image for this Studio Global article: As of October 31, 2026, how are China’s AI labs pursuing recursive self-improvement by improving the machinery around models rather than rew. Article summary: The direction described in your question is system-level self-improvement: agents improve the software, environments and workflows used to run agents and develop successor models, rather than directly editing their own w. Topic tags: general, documentation, general web, academic, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, w
openai.com

AIの「再帰的な自己改良」と聞くと、モデルが自分の重みを書き換える姿を思い浮かべるかもしれない。しかし、改善の対象はモデルそのものに限らない。AIを動かすソフトウェアやツール、実験環境、開発ワークフローをエージェントが改良する方法もある。中国のプロジェクトをめぐる報道や研究には、こうした「仕組み側」の改善が見られる。ただし、現時点の資料が示すのは限定的な自動化であり、AIが自律的に次世代モデルを作り続けることの証明ではない。

何をもって「再帰的な改善」と呼ぶのか

プロンプトを変えたり、コードを書いたりしただけでは、再帰的な自己改良とは言い切れない。重要なのは、改善が持続する形で受け入れられ、その改良された手順が次の改善にも使われることだ。

エージェントの実行環境（ハーネス）を自己改良する研究では、実行記録から弱点を見つけ、ハーネスの変更案を出し、回帰テストで検証するループが提案されている。52 別の論文は、より厳密な定義を示す。AI研究エージェントのコードが書き換えられ、その変更が採用されると、次の編集を担うのは改良後のエージェントになる、というものだ。同論文の要旨は、特定のエージェント環境で8日間に7回の連続した改善を報告している。これは研究上の成果だが、汎用AIが際限なく自己改良できる証拠ではない。56

中国の取り組みで確認できること

36Krの9月の報道によると、GLM-5.3を使ったインフラエージェントが、国産チップ10万基超のクラスター上でモデルの推論エンジンを最適化した。作業は2週間足らずで、エンドツーエンドのスループットが当初の基準値の3倍になったと報じられている。21 これはAIを使ったインフラ最適化の報告としては注目に値する。一方、この結果だけでは、エージェントが自ら目標を決めたのか、結果を独立に検証したのか、次の最適化を行う仕組みまで改善したのかは分からない。

Moonshot AIのKimi K3関連資料からは、別の層の取り組みがうかがえる。同社は分散型強化学習環境の基盤として説明するAgentEnvを公開し、通信ライブラリーや高性能アテンションカーネルなど、学習システムを支える技術も発表した。25 こうしたツールはモデル訓練やエージェントの開発を支えるが、存在すること自体は、エージェントがより良い学習環境や後継モデルを自律的に設計した証拠ではない。

また、インフラの改良とモデル訓練は区別して考える必要がある。Z.aiの説明では、GLM-5.3はGLM-5.2と同じベースモデルを使い、改善はポストトレーニングによるものとされている。2 これはポストトレーニングを通じてモデルを改良する方法が明記されているということであり、能力向上のすべてが周辺の仕組みの変更だけで生じたことを示すものではない。

自律性を見分ける「5段階」

9月の論文『The Last AI Built by Humans』は、AIの自律性が高まる過程を5段階に整理している。人間が指定した改善を実行する段階、改善方法を選ぶ段階、次の学習経験を自ら得る段階、運用環境からのフィードバックに適応する段階、そして改善の仕組み自体を改良する段階だ。33 報道でも、最終的にAIが後継システムを作る方向へ進む枠組みとして紹介されている。35

この区分を使うと、異なる種類の自動化を混同しにくくなる。人間が設計した実験をエージェントが実行することと、何を改善するかをエージェント自身が選ぶことは同じではない。さらに、自らの改善ループを安定して設計・検証できることは、どちらとも別の段階だ。この論文は違いを整理する枠組みを提示しているが、今回確認できる資料からは、最先端システムの大半が第1〜第2段階にあるという評価までは裏付けられない。

未確認の主張と、見極めるための視点

今回の資料では、DSecが毎日生成するというサンドボックス数、ModelBestの訓練フレームワークやカーネルのベンチマーク、Moonshotのサンドボックス数や復旧手順、Alibabaの訓練実行に関する詳細な主張は確認できない。また、レイファン（雷峰網）の「調査」の結果も示されていない。資料に含まれるレイファンの記事はKimi K3の技術報告であり、再帰的自己改良に関する調査ではない。24

ハーネスの自己改良に関する研究は、実用上の制約も示している。性能向上に伴って実行コストが増える場合があり、タスクの成功率だけでなく、計算資源やツールの利用量との兼ね合いも評価しなければならない。54 さらに、再帰的な改善を主張するなら、誰が目標を設定し、誰が変更の成否を判断し、採用された変更が本当に次の改善を後押ししたのかを明らかにする必要がある。

現時点で最も慎重な結論は、AI開発を支える仕組みの自動化は進みつつあるが、開放的な再帰的自己改良が実証されたわけではない、というものだ。改善が定着し、その後の作業も強化するなら、インフラエージェントや自己改良型ハーネスは重要な前進になりうる。しかし、スループットの向上、再利用可能なツールの公開、訓練の反復だけでは、AIが何を改善するかを安定して決め、自ら結果を判定し、より優れた後継を作れることの証明にはならない。

Studio Global AI

研究を続けてください

このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。

Studio Global AIで検索して事実確認

人々も尋ねます