NVIDIA、AIエージェント開発における「オープンデータ」と「合成データ」の重要性を提唱　モデルの重み公開だけでは不十分と指摘

要点

• NVIDIAは2026年7月8日、実用的なAIエージェントの構築には「オープンデータ」と「合成データ」の活用が不可欠であるとする解説記事を公開した。
• APIエラーからの復旧や未知のワークフローへの対応といった現実世界の課題に対応するには、多岐にわたるトレーニングデータが必要とされる。
• 同社の「Nemotron」シリーズのモデルやデータセットは、国際機械学習学会（ICML）で145近くの論文に引用され、研究コミュニティで広く受け入れられている。
• 事前学習データを強化する「Nemotron-CC」や数学的推論力を高める「Nemotron-CC-MATH」などで、合成データが重要な役割を担っている。
• 開発者がAIエージェントの動作を検査・説明可能にするためには、モデルの重みだけでなく、学習に使用したデータセット自体を公開することが極めて重要であると主張している。

リード文

米NVIDIAは2026年7月8日、AIスタートアップのHugging Faceが運営するブログを通じて、自律的にタスクを遂行するAIエージェントの開発に関する解説記事を公開した。同社は、現実の複雑な環境下で動作する実用的なAIエージェントを構築するためには、従来のモデルパラメータ（重み）の公開だけでは不十分であり、オープンデータと合成データ（AIなどを用いて人工的に生成された学習用のデータ）の組み合わせが極めて重要になると説明している。

本文

ツール付き自動補完機能からの脱却と「データ問題」の解消

NVIDIAは、現在のAIエージェント（ユーザーの指示を自律的に実行するAIシステム）開発における難しさは、現実世界がベンチマーク（性能測定用のテスト環境）のように整然としていない点にあると指摘する。例えば、呼び出したAPI（アプリケーション・プログラミング・インターフェース）が破損していた際にそこから復旧できなかったり、これまで経験したことのない新しい業務プロセス（ワークフロー）に直面した際に対応できなかったりするシステムは、真の意味での「自律的なエージェント」とは呼べないと同社は主張する。それは単に「ツールを利用できる自動補完機能」にすぎないという見解だ。

真のエージェントへと進化させるためには、以下のような多岐にわたる課題を解決するためのデータが必要であるという。

• ソフトウェア開発における実行プロセス（トレース）の記録
• ツール使用時のエラーや失敗事例のデータ
• 複数の段階を踏む複雑な推論プロセス
• 外部情報の検索と取得
• 安全性の確保
• ユーザーの挙動を模擬したシミュレーション
• 一連のワークフローの実行手順
• 最終的な物理世界との相互作用

NVIDIAが提供する「Nemotron」ブランドのオープンデータ製品群は、まさにこうしたデータに関する課題に対処するためのデータを提供する領域に位置づけられている。

研究エコシステムを支えるNemotronと合成データの役割

NVIDIAの取り組みは、学術・研究コミュニティにおいてもすでに大きな存在感を示している。先日開催された国際機械学習学会（ICML）では、約145本もの研究論文がNemotronのモデルやデータセットを引用しており、オープンモデルがAI研究全体の活性化に大きく寄与している実態が明らかになった。

この研究エコシステムの中で、特に重要な役割を果たしているのが合成データである。NVIDIAは、合成データを効果的に用いた具体的な製品として以下のものを挙げている。

• Nemotron-CC: Web上の公開データを収集した「Common Crawl」データセットを、合成データを用いて強化した事前学習（モデルに基礎的な知識を学ばせる最初の学習フェーズ）用のデータセット。
• Nemotron-CC-MATH: 合成技術によって作られた数学の問題を活用し、モデルの複雑な推論能力を向上させるためのデータセット。
• Nemotron Pretraining: 一般的なテキストデータ、プログラミングコード、数学、そして合成データを組み合わせた、数兆トークン（AIがテキストを処理する際の最小構成単位）規模に及ぶ広範なコレクション。

同社は、こうしたオープンなデータセットを公開する理由について、開発者コミュニティと協力しながら学びを深め、AIエージェントの多様な応用事例をさらに広げていくためであると説明している。

モデルの「重み」を超えた再現性と説明可能性の追求

AIモデルのオープン化において「オープンウェイト（モデルの重みの公開）」は重要視されてきた。重みとは学習によって調整されたモデルのパラメータ値のことだが、NVIDIAは「エージェント開発において、重みはストーリーの一部にすぎない」と強調する。

実際にシステムを構築する開発者にとって、モデルの再現性を確保するためには、重みデータだけでは不十分であるという。再現性は、モデルの基礎となるデータセットそのものや、データの選別（キュレーション）における判断基準、トレーニング時に使用したレシピ（学習手順の構成）、そして性能を測るための評価方法など、モデルを取り巻くプロセス全体に依存しているためだ。

さらに、AIエージェントがさまざまな外部システムを横断してツールを呼び出し、ワークフローを実行し、情報を検索するようになると、その振る舞いに対する透明性が強く求められるようになる。開発者がエージェントの動作プロセスを追跡し、なぜそのような判断や行動に至ったのかを説明できるようにするためには、モデルの行動原理を方向づけた元のデータを検証できる環境が不可欠となる。NVIDIAは、オープンデータと合成データの活用こそが、エージェントの動作を検証可能（インスペクタブル）かつ説明可能（エクスプレナブル）にするための鍵を握っていると結論づけている。

補足

本記事は、NVIDIAの応用ディープラーニング部門のバイスプレジデント（VP）らを含む同社チームの見解に基づくものである。