テザーのQVAC、1914.3億トークンのSTEM向けAI学習データ公開

  • QVAC、STEMモデル学習向けの合成データセット「Genesis III」を公開
  • Genesis IIIは約1億5960万件の文書にまたがる1914.3億トークンで構成
  • 17億パラメータのOption-Levelモデル、MMLU STEMで有効回答率99.45%を達成

テザーのAI研究部門QVACは、19分野にまたがる約1億5960万件の文書で構成した1914.3億トークンの合成STEMデータセット「Genesis III」を公開した。コーパスは、正答とその根底にある論理をモデルに学習させる「Option-Level reasoning」と、誤答およびその原因から学習させる「Failure Analysis」に分かれている。Option-Level部分で学習した17億パラメータモデルは、MMLU STEMベンチマークで有効回答率99.45%を達成し、付随する論文はCOLM 2026に採択された。Genesis III全体で学習したモデルは、Cosmopedia-v2で学習したモデルを、ARC-Easyで28.57ポイント、ARC-Challengeで21.35ポイント、MMLU STEMで15.03ポイント上回った。Genesis IIIは、2025年10月のGenesis I、同年12月のGenesis IIに始まるシリーズを完結させるものとなる。データセットはCC-BY-NC 4.0の下、非商用の研究・教育目的で利用できる。一方、モデルには商用利用を認めるApache 2.0ライセンスが適用される。QVACは、中央集権型クラウドサービスに依存しないローカルAIチュータリングや技術支援を後押しする取り組みだとしている。

当サイトの情報はAIを用いて生成されており、正確性を保証するものではありません。 参考情報としてご活用ください。
テザーのQVAC、1914.3億トークンのSTEM向けAI学習データ公開 - CoinPost Terminal