【衝撃】ついにAIが「自分を鍛え直す」時代へ。自動ファインチューニング・エージェント『TREX』が人間超えの精度を記録

2026年4月17日、AI研究の最前線において、一つの大きな転換点が訪れました。LLM（大規模言語モデル）の性能を左右する最も重要なプロセスの一つである「ファインチューニング（微調整）」を、人間ではなくAIが自律的に実行・最適化する新システム『TREX』が発表されたのです。

これまでファインチューニングは、データの配合比率、ハイパーパラメータの調整、学習アルゴリズムの選定など、エンジニアの「勘」と「経験」に依存する部分が大きい「職人芸」の世界でした。しかし、今回発表された『TREX』は、このプロセスを完全に自動化し、一部のタスクでは人間の専門家が設計したレシピを凌駕する性能向上を達成しました。

技術的核心：二つのエージェントと「探索の木」

TREXの最大の強みは、役割の異なる二つのエージェントによる協調作業と、チェスや囲碁のAIでも使われる「モンテカルロ木探索（MCTS）」の導入にあります。

1. **Researcher（研究者エージェント）**: タスクの目的を解釈し、arXivなどの論文データベースやHugging Faceのデータセットを自律的に調査します。実験計画を立案し、どのデータを使い、どのパラメータで訓練すべきかの「戦略」を練ります。バックエンドにGemini 3 Proなどの強力な推論モデルを採用することで、極めて高度な戦略立案が可能になっています。
2. **Executor（実行者エージェント）**: Researcherが立てた計画を元に、実際にGPUクラスターを操作してコードを生成・実行します。ここで新開発の『AIDP (AI Data Processor)』ライブラリが使用され、大規模データの処理を効率化。訓練後のモデルを評価し、その結果（失敗事例の分析含む）をResearcherにフィードバックします。

TREXは、実験のプロセスを「検索木」としてモデル化します。過去の試行錯誤（ノード）から最も有望な改善案を選択し、さらに深掘りする「探索」と「活用」のバランスをMCTSによって最適化。これにより、限られたGPUリソースと時間の中で、最も効率的に最強のモデルへと辿り着くことが可能になりました。

新たな評価指標『FT-Bench』の提示

研究チームは、この自動研究システムの性能を測るため、10種類のリアルなタスクからなるベンチマーク『FT-Bench』を構築。医療記録の生成（ACI-Bench）や分子構造の最適化（TOMG-Bench）、法的な推論（LawBench）など、多岐にわたるドメインでTREXの能力が試されました。結果として、TREXは全てのタスクでベースモデルの性能を一貫して向上させ、特に分子生成タスクでは、人間の専門家が作成したモデル（Llama 3.1ベース）を、より小規模なQwen3-1.7BベースのTREX訓練モデルが上回るという逆転現象まで確認されています。

Reddit等でのユーザーの反応：期待と「財布への恐怖」

このニュースに対し、RedditのLocalLLaMAやMLDevsコミュニティでは、熱い議論が巻き起こっています。

「ついに『AIを訓練するAI』が実用レベルになったか。これはもうプロンプトエンジニアリングの次の段階、トレーニングエンジニアリングの終焉かもしれない」という驚きの声がある一方で、現実的な懸念も噴出しています。

特に目立つのが「思考税（GPUコスト）」への恐怖です。「エージェントが自律的に木探索を回すということは、放置していたら一晩で数千ドルのGPU請求が来る可能性がある。4月12日に紹介された『H-Governor』のような、エージェントの暴走とコストを監視するガバナンス層との統合が不可欠だ」という意見が多くの賛同を得ています。また、「Gemini 3 Proを推論バックエンドに使うのが最強という結果は、やはり推論能力の高さがオートメーションの質を決定づけることを示している」と、モデルのヒエラルキーを再確認する声も上がっています。

今後の展望

TREXの登場は、AI開発のサイクルを劇的に加速させる可能性があります。これまでは数週間かかっていた「実験→評価→改善」のループが、AIの手によって24時間休みなく、しかも人間以上の精度で回るようになります。今後は、このシステムがPython以外の言語や、マルチモーダルな学習にどう対応していくのか、そして「AIがAIを改良し続ける」ことによる再帰的な進化がどこまで到達するのかに注目が集まっています。