AI時短ラボ
検索
検証

Google「autofinetune」仕様書1枚を書いて寝ると、エージェントが一晩でLoRAのランク・学習率・バッチを探索し、改善したコミットだけGitに残す。TPU v5eでFunctionGemma 270MのSFTを20回、TPU v6eでGemma 3 1BのGRPOを40回回し報酬約10%改善。Tunix＋Antigravity CLI＋Gemini 3.7 Flash

執筆：約7分で読めます

日刊AIニュース11月7日（土）号：前日のAIのニュース3本を短くまとめました（約5分）›

Google DevelopersのWei Wei氏は2026年9月11日、LLMのポストトレーニング（SFTとGRPO）に自律的な研究ループを当てる「autofinetune」を公開した。今年のautoresearchにならい、人間はprogram.md（探索範囲・境界条件・評価基準）とrun.py（自己完結の微調整スクリプト）を用意し、エージェントがrun.pyを書き換えて学習を回し、指標を測り、改善は残し退行は戻し、results.tsvに記録する。事例1はCloud TPU v5e-1でfunctiongemma-270m-itをmobile-actionsデータでSFT、1回数分・20回を数時間で回した（許可：LoRAランク・対象層・学習率・オプティマイザ・バッチ・シード。禁止：データ・エポック数・構造）。事例2はTPU v6e-1でGemma 3 1BをGSM8KでGRPO、1回数時間・40回を2〜3日で回し、LoRA構成・ロールアウト温度・KLペナルティ・システムプロンプトを変えて合計報酬を約10%改善。

Google「autofinetune」──仕様書1枚を書いて寝ると、エージェントが一晩でLoRAのランク・学習率・バッチを探索し、改善したコミットだけGitに残す。TPU v5eでFunctionGemma 270MのSFTを20回、TPU v6eでGemma 3 1BのGRPOを40回回し報酬約10%改善。Tunix＋Antigravity CLI＋Gemini 3.7 Flash
目次
  1. 「改善だけ残す」ループが見落とす劣化
  2. 確認はブログのみ、GitHubとTSVは未読
  3. 事例1の数値・TPU費用・役割分担は不明
  4. 情報源はautofinetuneの公式解説
  5. 関連記事

2026年9月18日・日本時間時点の情報です。 Google Developersのブログ（9月11日）を読んだ。「エージェントに研究をさせる」型は当サイトでCodexのautoresearchによるGPUカーネル探索とOpenAIの研究加速を追ってきたが、Googleが**微調整（ポストトレーニング）**に同じ型を当てた例は扱っていなかった。

3行まとめ

  1. 何をするか。 従来のポストトレーニングは「仮説を立てる（例：LoRAの対象にattn_vec_einsumを足すと精度は上がるか）→スクリプトとハイパーパラメータを編集→アクセラレータで実行→損失曲線と評価を見る→失敗は手で戻し成功は表に記録」の手作業の繰り返しだった。autofinetuneは今年のautoresearch（事前学習の自律探索）にならい、人間がprogram.md（ループ・境界条件・評価基準・制約）とrun.py（自己完結の微調整スクリプト）を書けば、エージェントがrun.pyを改変→学習→指標を測定→改善のコミットは残し退行は戻す→results.tsvに記録を回す。土台はTunix（Googleの学習ライブラリ）・Gemma・Cloud TPUで、Antigravity CLIとGemini 3.7 Flashが束ねる。
  2. 事例1（SFT）。 Cloud TPU v5e-1でgoogle/functiongemma-270m-itをgoogle/mobile-actionsデータセットで教師あり微調整。1回数分、20回の自動実験を数時間で回し、関数呼び出しの生成精度を上げた。program.mdで許可したのはLoRAのランク／alpha・対象の射影層・学習率・ウォームアップと減衰・オプティマイザ（AdamW／Muon・勾配クリップ）・バッチサイズ・シード、禁止はデータセット・エポック数・モデル構造の変更。
  3. 事例2（GRPO）。 Tunix公式のGRPO例（Gemma 3 1BをGSM8Kで数学推論、数値精度と形式精度を上げる）を自律化。TPU v6e-1、1回数時間、40回を2〜3日。外側の最適化を単純にするため評価指標はnumerical_accuracy + format_accuracyの1本にし、エージェントがLoRA構成・ロールアウト温度・KLペナルティ・システムプロンプトを変えて合計報酬を約10%改善。強化学習はハイパーパラメータに敏感で不安定で長いので、SFTより難しい題材として選んだと書く。

「改善だけ残す」ループが見落とす劣化

  • 人間の仕事は「探索していい範囲」と「評価指標」を紙に書くことに寄る。事例2で指標を「2つの精度の単純な和」に落としたのは、エージェントが最適化しやすいように目的関数を単純化した、という判断で、報酬設計の癖がそのまま結果に出る型だ
  • 「改善だけコミットする」ループは、退行を自動で戻す分、指標に出ない劣化（多様性の低下や特定の形式への過適合）を見落とす。記事は最終モデルの外部評価に触れていない
  • TPUを持たない人向けの話ではないが、program.mdとrun.pyの型自体はGPUやローカル（LM Studio等）でも真似できる
  • コードとサンプル実行（sample_runs/SFT_results.tsv・RL_results.tsv）、program.mdのテンプレートはautofinetuneのGitHubにある、と本文にある

確認はブログのみ、GitHubとTSVは未読

この記事の下調べで、筆者は9月18日にGoogle Developersのブログを取得し、2つの事例のハードウェア・回数・所要時間・許可／禁止の範囲・約10%がその原文にあることを確認した。GitHubのリポジトリと結果のTSVは開いていない。筆者はTunixもTPUも使っていない。

事例1の数値・TPU費用・役割分担は不明

  • 事例1の精度の具体的な数値（「上がった」とだけ。表は画像）
  • TPUの費用
  • Antigravity CLIとGemini 3.7 Flashの役割分担の詳細

情報源はautofinetuneの公式解説

関連記事

シェア: ポスト はてブ

出典・参照資料

AI時短ラボ

大きいニュースはYouTubeでも解説しています。Xでは新着記事をお知らせしています。

チャンネル登録Xをフォロー

コメント

まだコメントはありません。最初のコメントを書いてみませんか？

AIについて聞きたいことはありますか？

質問箱で無料で受け付けています。回答は公開され、他の方の参考にもなります。

質問箱を見る →

関連記事

CodexにGPUカーネル最適化を『自動でリサーチさせながら』回したら232倍速くなった話の記事画像

CodexにGPUカーネル最適化を『自動でリサーチさせながら』回したら232倍速くなった話

活用
OpenAI「自動研究インターンに到達」解説動画のサムネイル動画

OpenAI、「自動研究インターンに到達」と宣言　研究者1人にエージェント3.1労働日、中央値の研究者が1日600ドル、成功の過半数には人の介入。社内実測の全数字と、同じ日に主席科学者が書いた「減速」

研究
Gemmaの累計ダウンロードが10億超──Google公式発表と「Awesome Gemma」の中身の記事画像

Gemmaの累計ダウンロードが10億超　Google公式発表と「Awesome Gemma」の中身

モデル
LM Studio（エルエムスタジオ）は日本語で使える──画面の言語は設定で選べ、無料で何ができるか・始め方・Bionicの料金【2026年10月版】の記事画像

LM Studio（エルエムスタジオ）は日本語で使える　画面の言語は設定で選べ、無料で何ができるか・始め方・Bionicの料金【2026年10月版】

活用
Google Labs「Julesで測るべきもの」──コーディングエージェントは「頼まれたタスク」から「目標」へ。SWE-Benchは課題の完了しか測れないので、社内の705件のバグ（1,178 CL）を時間的近接と意味的類似で束ねて「目標」の正解を作り、修正前の状態に戻してエージェントに探索させLLMで5段階採点。1回の探索で平均4.5、探索を2回→3回にするとHit@5が33%→57%の記事画像

Google Labs「Julesで測るべきもの」　コーディングエージェントは「頼まれたタスク」から「目標」へ。SWE-Benchは課題の完了しか測れないので、社内の705件のバグ（1,178 CL）を時間的近接と意味的類似で束ねて「目標」の正解を作り、修正前の状態に戻してエージェントに探索させLLMで5段階採点。1回の探索で平均4.5、探索を2回→3回にするとHit@5が33%→57%

検証（発表 6月22日）
Google DeepMind「クライアントSDKの生成はオープンであるべき」──2026年5月、使っていたSDK生成ベンダーが買収され突然の終了。Interactions APIのGA直前に乗り換え、Speakeasyと組んでOpenAPI生成スイートをAGPLv3でオープンソース化。7言語のSDK・エージェント向けCLI・ドキュメントMCPサーバーを生成、6ターゲットを約1人で保守の記事画像

Google DeepMind「クライアントSDKの生成はオープンであるべき」　2026年5月、使っていたSDK生成ベンダーが買収され突然の終了。Interactions APIのGA直前に乗り換え、Speakeasyと組んでOpenAPI生成スイートをAGPLv3でオープンソース化。7言語のSDK・エージェント向けCLI・ドキュメントMCPサーバーを生成、6ターゲットを約1人で保守

検証（発表 9月17日）
Google「ADK for Kotlin 1.0」が正式版──Python版・Java版のADK 1.0と同じ機能に加え、Android向けの端末内エージェント（LiteRT-LM・ML Kitベータ）、Firebase AI Logicのハイブリッド、RoomとAppSearchで状態の保存。@Toolと@Paramでスキーマを自動生成、SKILL.mdで手順を段階的に読むの記事画像

Google「ADK for Kotlin 1.0」が正式版　Python版・Java版のADK 1.0と同じ機能に加え、Android向けの端末内エージェント（LiteRT-LM・ML Kitベータ）、Firebase AI Logicのハイブリッド、RoomとAppSearchで状態の保存。@Toolと@Paramでスキーマを自動生成、SKILL.mdで手順を段階的に読む

検証（発表 9月9日）
Hugging Face、ICML 2026の論文をコーディングエージェントで再現するハッカソン──19日間で1,221人が6,816本の記録を公開し2,226本（会議の34%）を試み、35,908の主張を判定。51%で少なくとも1つの主張が検証、23%で少なくとも1つが反証または係争、242本は独立チームが正反対の判定。スポットライト論文の定理が崩れ、著者は当日確認の記事画像

Hugging Face、ICML 2026の論文をコーディングエージェントで再現するハッカソン　19日間で1,221人が6,816本の記録を公開し2,226本（会議の34%）を試み、35,908の主張を判定。51%で少なくとも1つの主張が検証、23%で少なくとも1つが反証または係争、242本は独立チームが正反対の判定。スポットライト論文の定理が崩れ、著者は当日確認

検証（発表 8月13日）
← ニュース一覧へ