エージェント開発におけるデータ（6 分読了）

記事一覧に戻る

• モデルの重み以上のもの
• 秘密として守る

• エージェントデータの探求
• バイバ・ラ・ペルソナ（人格よ、万歳）
• グランドトゥルース（真実）

*なぜエージェント AI にオープンデータが必要なのか、そしてなぜ合成データがそのスケーリングの鍵となるのか。

モデルの重み以上のもの

AI エージェントを構築するのは困難です。なぜなら、現実世界はベンチマークのように振る舞わないからです。

壊れた API 呼び出しや、かつて見たことのないワークフローから回復できないエージェントは、本当の意味でのエージェントではありません。それはツール付きのオートコンプリートに過ぎません。一方から他方へ移行させるのはデータの問題です：ソフトウェアエンジニアリングのトレース、ツールの使用失敗、多段階推論、検索、安全性、ユーザーシミュレーション、ワークフロー実行、そして最終的には物理世界との相互作用です。それが NVIDIA Nemotron のオープンデータ製品の存在する場所です。

NVIDIA は最近、オープンモデルが AI 研究を推進している様子 を強調し、人気のある機械学習国際会議（ICML）において、ほぼ 145 の論文で Nemotron モデルとデータセットが言及されていることを示しました。合成データは、このエコシステム全体で重要な役割を果たしています：

• Nemotron-CC は、事前トレーニングのために人気の高い Common Crawl データセットを強化するために合成データを使用しました。
• Nemotron-CC-MATH は、推論能力を向上させるために合成された数学の問題を活用しています。

• Nemotron の事前学習は、一般データ、コード、数学、合成データを網羅する広範なコレクションであり、総トークン数は兆単位に達します。

NVIDIA がオープンなデータセットを公開する理由の一部は、コミュニティと連携してこれらの多様な応用分野を拡大するためです。

オープンな重み（weights）は重要ですが、エージェントにおいては重みだけがすべてではありません。再現性には、モデル背後にあるデータセット、キュレーションの選択、トレーニングレシピ、評価方法も大きく依存します。

エージェントの挙動は検証可能である必要があります。モデルがツールを呼び出し、ワークフローを実行し、情報を取得し、システム間を横断して行動する場合、開発者はその挙動を形成したデータを理解する必要があります。オープンなデータにより、エージェントの挙動を検証可能かつ説明可能にすることができます。合成データは、これを可能にするための重要なピースです。

秘密として守る

NVIDIA の応用深層学習研究担当バイスプレジデントであるブライアン・カタンツァーロ氏は最近、「すべての企業は何らかの秘密を中心に構築されている」と述べています。それは競合他社が持たないワークフロー、コーパス、または顧客パターンです。これらの秘密こそが AI を有用なものにしますが、企業が安易にそれらを公開すべきではありません。合成データは、チームが有用なシグナルを保持しつつ、基盤となるソースを露出させることなくそれを維持する方法を提供します。

ブライアン氏はまた、多様な企業、研究者、政府、コミュニティが参加できる多様で参加型の AI エコシステムを育成することについても語っています。これは単なる価値観の表明ではありません。それはデータに関する主張です。

もしすべてのモデルが同じ狭いデータプールから学習するのであれば、モデルたちが同じように感じるようになることに驚くべきではありません。難しい点は、最も有用なデータは、それを直接公開できないか、あるいは公開しない組織の内部に眠っていることが多いということです。誰もがより豊かな共有データレイヤーから恩恵を受けることを望んでいます。しかし、誰も自社の独自性を支えるものを最初に手放す立場には立ちたくないのです。

Synthetic data をオープンに公開することは、この状況を打破する一つの方法です。

エージェントデータの探求

Nemotron オープンデータの一部として、私たちは多くのドメインやデータ形状にわたる 10 兆以上の事前学習トークンと数百万の事後学習サンプルを公開しました。これは理解するのに膨大な量であり、生データのテーブル表だけではあまり役に立ちません。

Nemotron の事後学習データに含まれる内容をより簡単に探索できるようにするために、Nemotron Post-Training v3 Prompt Atlas を構築しました。これは各点がプロンプトサンプルを表すインタラクティブな視覚マップで、Nemotron v3 の事後学習コレクションから抽出され、データミックスの正直な割合を反映するようにボリュームサンプリングされています。

色付きのオーバーレイとフィルターを使用することで、データセット、パイプライン段階、ドメイン、またはツール使用に応じてマップを再編成できます。意味的に類似したプロンプトはクラスター化して現れるため、特定の領域（コーディングアルゴリズム、安全性、数学、エージェント行動など）にズームインし、代表的な例を検証することで、データのカキュレーションや評価（evals）の構築、あるいはモデルがなぜそのような振る舞いをするのかを理解するためのシグナルとして活用できます。

Viva La Persona

エージェントは、自身が支援する人々を理解する必要もあり、ここで「データ品質」は普遍的なものではなく、地域固有のものとなります。英語のインターネットデータを基に訓練された毒性分類器は、攻撃性が明らかな語彙ではなく敬語レベルによって表現されることが多い韓国語や日本語における敵対的なメッセージを見逃す可能性があります。同じシグナルでも、文脈が異なります。すでにチームはこの方法で エージェントをグラウンディング しています。

Nemotron-Personas は、その課題に対処する試みの一つです。これは、人口の多様性と複雑さを捉えた、地域に根ざした合成されたペルソナです。NVIDIA の最先端の複合 AI ツールである NeMo Data Designer を用いて構築され、Nemotron-Personas は公式の地域別人口統計および地理統計を反映しています。目標は実際の人間を再現することではありません。むしろ、開発者が自らのシステムが、自身が支援すると主張するユーザー、言語、地域、職業を適切に反映しているかをテストできるよう支援するためです。先月パリで開催された VivaTech で、私たちは コレクション の 10 カ国目を発表しました。これにより、現在 24 億人以上の人々を代表するようになりました。

品質が地域固有のものである場合、その地域性を理解している人々だけがそれを構築できます。地域の研究者、ネイティブスピーカー、専門分野のエキスパート、あなたと共に検査・修正を行えるステークホルダーなどです。これが「パブリック・ラーニング（公開学習）」です。データを孤立してリリースするのではなく、協働して構築することです。

正解データ

合成データは、データソースのシステムの一部として統合される必要があります。そこにはトレードオフが存在します。リスクを低減できる一方で、グラウンディング（根拠付け）、系譜管理、キュレーション、評価、そして人間の判断の必要性がなくなるわけではありません。

これを考える上で有用な方法の一つに、「合成閾値」があります。これはデータがもはや純粋に実在するものとして扱えなくなるポイントです。その境界線は常に明確ではありません。実際のワークフロー、人間のフィードバック、モデル生成されたトレース、シミュレーションされたユーザー、そして合成ラベルはすべて相互に絡み合う可能性があります。答えは、合成データを偽物や無害なものであるかのように振る舞うことではありません。重要なのは、何が生成され、何が根拠付けられ、何がレビューされ、そのデータが何をテストするために用意されたのかを文書化することです。人工的な情報で訓練される AI システムが増えるにつれて、それらを検査し、文書化し、これらの技術について公の場で議論するためのより良い共有習慣が必要となります。

品質の意味は文脈によって異なります。推論データにはより困難な問題とクリーンなトレースが必要です。ペルソナデータには分布の忠実性と地域的なレビューが必要です。エージェント型ワークフローにはタスクの多様性、失敗のカバレッジ、回復経路が必要です。この分野はまだ公式よりも職人芸に近いものです。

だからこそ、オープンメソッドは重要なのです。合成データとは単により多くの例を生成することだけではありません。それはより良い問いを立てることであり、それまで同じテーブルに着くことができなかった当事者たち——秘密を明かさずに企業を、プライバシーを損なわずに政府を、許可がいつ来るか待たずに研究者を——を可能にするものです。

AI における希少資源はトークンではありません。組織間の信頼です。合成データは、それを構築するための数少ないツールの一つです。

私たちは 2026 年 7 月 7 日（火）に オープンデータがなぜ重要なのか というテーマで素晴らしいパネリストを迎えてライブストリームを開催しました。併せて、Hugging Face 上の Nemotron データコレクション もぜひご覧ください。

NVIDIA AI の LinkedIn、X、YouTube、および Discord 上の Nemotron チャンネル をフォローし、NVIDIA ニュースへの購読 を行うことで、NVIDIA Nemotron の最新情報を入手できます。

Hugging Face 上のオープンな Nemotron モデル にアクセスしたり、build.nvidia.com 上の NIM マイクロサービスと開発者向け例のコレクション をご覧になることも可能です。