Sakana Fugu Technical Report
本論文は、複数のLLMの特化した能力を組み合わせ、増幅するためにエージェンティックなスキャフォールド（足場）を動的に構築するオーケストレーター言語モデルのファミリーである「Sakana Fugu」を導入し、多様で困難なベンチマークにおいて最先端の性能を達成している。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
世界クラスの専門家チームを想像してみてください。各人が特定の分野の達人です。一人は数学の天才、もう一人はコーディングの魔術師、三人目はサイバーセキュリティの探偵、そして四人目は科学研究者です。個々としては非常に優秀です。しかし、もし、あらゆる問題に対してどの専門家に電話すべきか、そして彼らをどのように連携させるべきかを正確に知っている「超スマートなマネージャー」を雇えるとしたらどうでしょうか？
それこそが、まさにSakana Fuguです。
Sakana AIによるテクニカルレポートによると、Fuguは単に何でもこなそうとする一つの巨大な脳ではありません。むしろ、他の強力なAIモデル（GPT-5.5、Claude Opus、Geminiなど）のチームを指揮する「指揮者」や「マネージャー」であり、単独のモデルよりも優れた方法で問題を解決するために彼らをオーケストレート（編成・調整）します。
以下に、その仕組みとできることの簡単な内訳を説明します。
1. 二つのバージョン：「素早いウェイター」と「マスターシェフ」
彼らは異なるニーズに合わせて設計された、二つのバージョンのマネージャーをリリースしました。
- Fugu（素早いウェイター）： このバージョンは日常的な使用向けに構築されています。あなたが質問を投げかけると、注文に対してキッチンにいるどの専門家が最適かを即座に判断する、素早いウェイターのように振る舞います。一つの仕事を行うために一つの専門家を選びます。高速で低レイテンシであり、日常的なタスクに最適ですが、それでもなお、その仕事に「最適な」人物を選び出します。
- Fugu-Ultra（マスターシェフ）： このバージョンは、スピードよりも完璧な回答を得ることが重要な、最も困難で複雑な問題のためのものです。単に一人を選ぶのではなく、一つの「厨房クルー（調理チーム）」を作り上げます。例えば、ある専門家に計画案を作成させ、別の専門家に数学のチェックをさせ、三人目にコードを書かせ、四人目にデバッグをさせる、といった具合です。時間はかかりますが、単一のモデルでは対処できない問題に取り組むために、チーム全体の強みを融合させます。
2. 学習方法：「スカウトマン」
「どうやってFuguはどの専門家がどの仕事に最適かを知るのか？」と疑問に思うかもしれません。
レポートでは、Fuguはスカウトマンのように訓練されたと説明しています。
- トレーニング： 研究者たちは、Fuguマネージャーに数千の問題を与えました。そして、それぞれの専門家（「ワーカー」）が各問題に対してどのようにパフォーマンスを発揮するかを観察しました。
- 学習： Fuguはパターンを学習しました。例えば、「Geminiは科学の質問に素晴らしい」、「GPTは複雑な数学の達人である」、「Claude Opusはセキュリティのバグを見つけるのが最も得意である」といったことを学びました。
- 結果： 回答を暗記するのではなく、Fuguは質問を**ルーティング（経路指定）**することを学びました。質問を見ると、「ああ、これは数学の専門家が必要だ」と考え、即座に適切なモデルへと送り出すのです。
3. できること：「スイスアーミーナイフ」効果
この「チームワーク」のアプローチを用いることで、Fuguは多くの領域で個々の専門家を凌駕することを示しています。それは、すべてのツールが最高の状態であり、かつハンドル部分がどのツールを引き出すべきかを正確に知っているスイスアーミーナイフのようなものです。
論文にある具体的な例をいくつか挙げます：
- コーディングとソフトウェア： AIが実際のソフトウェアのバグを修正するテストにおいて、Fugu-Ultraはトップの成績を収めました。Fugu-Ultraは、「ビルダー（構築者）」モデルにコードを書かせ、次に「デバッガー（修正者）」モデルに切り替えて間違いを見つけさせ、再び戻って修正するというプロセスを行います。この行き来（バック・アンド・フォース）は、単一のモデルが単独で行おうとするよりも優れた結果をもたらしました。
- 科学と数学： 難解な科学試験（「Humanity's Last Exam」など）において、Fugu-Ultraは個々のモデルよりも高いスコアを獲得しました。物理の問題には数学に強いモデルを、生物学の質問には科学に強いモデルを使うという判断を下したのです。
- 創造的な問題解決： 論文では、ページ上に散らばった古く乱れた日本語の手紙の読み順をAIが解明しなければならないテストについて記述されています。Fugu-Ultraは単に推測したのではなく、パズルを解くためのカスタムプログラムを書き、それを改良し、単一のモデルができるよりも優れた方法で解決しました。
- デザイン： それは、実際に正しく動くメカニカルなカメラの絞り（レンズの中で開閉する部分）をも設計しました。他のモデルが壊れたり機能しなかったりするデザインを作成した一方で、これは正しく動作しました。
4. なぜこれが重要なのか：「オーケストラ」対「ソロ奏者」
この論文の要点は、より優れたAIを得るために、必ずしも一つの巨大で超高価な脳を構築する必要はないということです。代わりに、私たちは今ある脳をどのように使うかを知っているシステムを構築できるのです。
- 従来の方法： 一つのモデルを、あらゆることを完璧にこなせるほど巨大でスマートなものにしようとする。
- Fuguの方法： 特化した専門家（数学担当、コーディング担当、科学担当）を維持し、彼らをコーディネートするスマートなマネージャー（Fugu）を雇う。
論文は、このアプローチによって、新しい巨大なモデルを一から訓練することなく、「SOTA（State-of-the-Art：最先端）」の結果（つまり、困難なテストにおける最高スコア）を達成できると主張しています。これは、専門化されたツールの集合体を、単一の極めて有能なシステムへと変貌させるものです。
要約すると： Sakana Fuguは、それが素早い回答であれ複雑な多段階のパズルであれ、どのAI専門家に依頼すべきかを正確に知っているスマートなマネージャーであり、その結果として、個々のパーツの総和よりも賢いチームを実現しているのです。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。