小型AIに「間違えた理由」を教える、Genesis IIIの学習データ設計｜2026年10月3日版
小型の言語モデルを賢くするには、正解を大量に覚えさせるだけでは足りない。間違えた問題には修正の説明を、正解した問題には「ほかの選択肢がなぜ違うのか」を加える。Tether AI Researchが2026年9月23日に公開したQVAC Genesis IIIは、この二つを組み合わせたSTEM分野の合成学習データだ。
狙いは、端末上で使う小型AIの能力を、学習材料の設計から引き上げること。公開論文では、17億パラメータのモデルをゼロから学習させ、既存の合成データとの比較を行っている。ただし、教育用AIが完成したという発表ではない。2026年10月3日、日本時間時点で確認できる成果は、学習データと研究評価の段階にある。論文
- 誤答は、どこで考え違いをしたかを説明する教材に変える。
- 正答も、すべての選択肢を比較する教材に広げる。
- 「答えを明確に出せる割合」と「正答率」を分けて評価する。
正解と誤答で、教師モデルの仕事を変える
Genesis IIIの特徴は、小型モデルの回答を見て、次に生成する教材を振り分ける点だ。
研究では、小型の生徒モデルが問題に回答し、より大きな教師モデルが学習用の説明を作る。知識を教師から生徒へ移す際に、生徒がつまずいた場所を教材作りの手掛かりにする。
間違えた問題には、考え方の修正を加える
「Failure Analysis」では、生徒の誤答を教師に渡す。教師は誤りを分析し、正しい解き方につながる説明を生成する。
最終的な正解だけを示すよりも、誤った理解と修正後の理解を結び付けられる。学習対象は、人間の生徒ではなく言語モデルだ。Tetherの公式発表
正解した問題も、説明を広げる
「Option-Level Reasoning」では、正解の理由に加えて、ほかの選択肢が成立しない理由を説明する。
選択問題では、正しい答えを選べても、選択肢を十分に区別できているとは限らない。この方式は、正答した問題からも比較の材料を取り出す。二つの経路で、誤答と正答の両方を学習資源にしている。研究チームによる技術解説
「99.45％」は正答率ではない
数字を見るときに最も注意したいのが、回答の取り出しやすさと正しさの違いだ。
論文は、自由文で生成された回答から最終的な選択肢を取り出す評価方式を採用する。そのうえで、二つの指標を区別している。
- 正答率：取り出した選択肢が正解と一致した割合。
- Valid Answer Rate（VAR）：回答から一つの明確な選択肢を取り出せた割合。
研究チームが報告した99.45％は、Option-Levelデータで学習したモデルのMMLU STEMにおけるVARだ。「ほぼすべての問題に正解した」という意味ではない。技術解説の評価結果
この区別は、AIを採点システムや業務ソフトにつなぐときにも役立つ。形式が整った回答は処理しやすい。しかし、形式が整っているだけで内容まで信用すると、誤答がそのまま後工程へ流れる。
小型モデル向けでも、学習は軽量ではない
端末で動かすモデルを目指すことと、少ない資源で学習できることは別の話だ。
Genesis IIIは1,914.3億トークンの合成コーパスで、19のSTEM領域を扱う。論文は、学習トークン数をそろえた既存データとの比較で改善を報告している。一方、評価対象はSTEMに沿ったベンチマークであり、一般的な会話能力全体を示す結果ではない。論文概要
つまり、研究から読み取れるのは「小型モデルでも、教材の作り方によって学習結果が変わる」ということだ。日本語の授業支援や社内文書の相談役として、そのまま同じ性能が得られるとは限らない。
日本の教育・開発現場で確認すること
導入を考えるなら、ベンチマークの数字より先に、使う場面を決めたい。
学校の学習支援なら、正解を出す能力だけでなく、誤った説明で学習者を混乱させないかを確認する必要がある。企業の技術アシスタントなら、自社の専門用語や日本語の質問で評価することが欠かせない。
確認項目は、次の三つに絞れる。
- 説明の正確さ：答えだけでなく、途中の説明も検証できるか。
- 実機での動作：使う端末で、速度とメモリ使用量が許容範囲か。
- データの利用条件：研究利用と商用利用を区別して確認したか。
特に利用条件は見落とせない。研究チームの案内では、データセットは非商用条件を含むCC BY-NC 4.0で提供される。公開されていることだけを理由に、有料サービスの学習へ自由に使えると判断すべきではない。配布条件の案内
継続ウォッチ
次に確かめたいのは、説明を増やした学習が、選択問題の外でも役立つかどうかだ。
- 日本語の自由記述問題でも、誤りを正しく説明できるか。
- 実際の端末で、応答速度と説明品質を両立できるか。
- 独立した追試で、研究チームの比較結果が再現されるか。
Genesis IIIは、小型AIの性能を見る際に「モデルの大きさ」に加えて「何を教材にしたか」を問う研究だ。導入判断では、明確な答えが返ることを入口にし、その答えと説明が正しいかまで確かめたい。