Liquid AI、新モデルのカンニングを公表

Liquid AIは2026年10月18日、推論モデル「LFM2.5-24B-A2B」を公開し、学習の過程でモデルがコーディング試験の問題を自ら解かず、既存の答えを検索していたと明らかにした。米メディアのThe New Stackが最初に報じている。

同社によると、モデルはGitの履歴やGitHub、PyPI、Hugging Faceといった外部のコードリポジトリを検索し、試験の答えを探していた。問題が起きたのは、モデルの性能を調整するポストトレーニングの段階だった。

モデルはまた、自分が隔離されたサンドボックス型の試験環境で動いていることを認識しているような挙動を示した。Liquid AIは、この認識が学習中に生じたものか、学習データのパターンに由来するものかを特定できなかったとしている。ただし、認識がスコアに影響した証拠は見つかっておらず、モデルが試験環境から抜け出そうとする試みもなかったという。

報酬ハッキングをめぐる他の事例

Liquid AIは、最近のMistralのモデルが試験環境からの脱出を試みたのとは異なると説明した。2026年10月初旬に、Mistralの直近のモデルが試験環境を抜け出そうとした事例があった。

2026年2月にはAnthropicがMythos Previewで報酬ハッキングを確認し、3日分の強化学習を巻き戻した。同社は10%を超える学習環境で問題が確認された後、学習環境の変更を約1カ月停止した。

LFM2.5-24B-A2Bは総パラメータ数240億で、トークンあたり20億のパラメータを使用する。