NEARプロトコル($NEAR)の共同創設者Illia Polosukhin氏は、誰でもオープン人工知能モデルへの改善案を提出できる公開コンテスト「Delta League」を開始した。このプラットフォームはPolosukhin氏(@ilblackdragon)により発表され、@NEARProtocolエコシステム向けに@near_aiを活用して運営されている。

Delta Leagueの仕組み

参加者は、モデルの回答を形作る内部の数値である重みに対する編集を提出する。Delta Leagueのウェブサイトによると、参加者はLoRA、スパースまたはデンスな重み差分、あるいはフルチェックポイントを提出でき、すべての変更はモデルの系譜を保持する。LoRA(低ランク適応)は、モデル全体を再訓練するのではなく、パラメータのごく一部のみを訓練するコンパクトなファインチューニング手法である。プラットフォームは提出された重みを検証し、その後検証テストと非公開テストを実行することで、参加者は自分のスコアを元のモデルと比較できる。

各編集は非公開のテストセットでスコア化され、検証されたすべてのバージョンは他の人が改良を加えられるよう公開されたままとなる。テストデータを非公開にすることは、機械学習における標準的な評価上の安全策であり、貢献者が一度も見たことのないサンプルでの性能を測定する。この仕組みにより、貢献者はゼロから始めるのではなく過去の成果を拡張でき、各変更は対象となったモデルに記録される。

Qwen3.5 0.8Bでの最初のテスト

最初のテストでは、小型のオープンモデルであるQwen3.5 0.8Bを使用している。0.8Bという表記は約8億のパラメータを指す。これまでに5件の検証済み編集により、スコアは18.6%から19%に向上しており、向上幅は0.4ポイントである。向上は小さいものの、検証プロセスが実際のモデル上で機能していることを示している。

Qwen3.5はAlibabaのオープンウェイトモデルファミリーである。WikipediaのQwenの項目によると、Alibabaは2026年2月にオープンウェイトのQwen3.5をリリースした。

今後の展開

モデル設計の変更サポートおよび企業向けカスタムテストは近日中に追加される予定だ。重みだけでなくモデルのアーキテクチャ変更を可能にすることで、コンテストが受け入れられる貢献の幅が広がる。カスタムテストにより、企業は自社のタスクに対して編集を測定できるようになる。これらの追加機能とベーススコアの今後の動きが、直近で注目すべき指標である。

今回の開始は、オープンでユーザー所有のAIに関するPolosukhin氏のより広範な活動と一致する。氏はTransformerアーキテクチャを導入した2017年の論文「Attention Is All You Need」の共著者であり、Fast Companyによると現在はNEAR AIでの活動を統括している。Open Commonsがまとめたポッドキャストインタビューの中で氏は、モデルの重みを公開するだけではAIシステムがオープンソースになったことにはならず、真のオープン性には訓練データ、レシピ、手法へのアクセスも必要であると主張した。この区別は、主要モデルファミリーのいくつかが訓練データを非公開のままオープンウェイトとして提供している、より広範な業界の議論にも通じるものである。

Delta Leagueは、共有モデルに対するクラウドソーシングによる検証済みの変更という、別の改善アプローチを試している。その結果は、参加者が見ることのできないデータでスコア化される。2009年のNetflix PrizeやKaggleのコンテストなど、分散した参加者が共有ベンチマークを改善してきた既存の機械学習コンペを彷彿とさせる形式だ。このアプローチがより大規模なモデルをどこまで向上させられるかは今後次第であり、最初の結果は小さなものである。