Jasmine、JAXベースのワールドモデル学習基盤を公開 数百アクセラレータへスケール

何が起きたか

2025年10月30日、arxiv.orgに投稿された論文で、JAXベースのワールドモデル学習コードベース「Jasmine」が発表された。Jasmineは、単一ホストから数百のアクセラレータまで最小限のコード変更でスケールし、CoinRunのケーススタディで従来のオープン実装と比較して一桁（オーダー・オブ・マグニチュード）速い再現を達成したとされる。

詳細

Jasmineは、データロード、トレーニング、チェックポイント処理の最適化により、パフォーマンスを向上させている。完全に再現可能なトレーニングを保証し、多様なシャーディング構成をサポートする。大規模データセットと組み合わせることで、モデルファミリーやアーキテクチャのアブレーションにわたる厳密なベンチマークパイプラインの基盤を確立することを目指す。

Key Facts

本紙の見方

今回のJasmineの発表は、ワールドモデル研究における「学習インフラ」の整備という点で、新たな一歩と位置づけられる。ワールドモデルは、ロボティクスなどデータが不足しがちな領域でのデータ不足を克服する手段として注目されているが、その学習を支えるオープンな基盤はまだ発展途上にある。Jasmineは、JAXベースでスケーラブルかつ再現可能な学習環境を提供することで、このギャップを埋めようとする試みだ。 本紙の過去報道との関連では、[本紙の関連記事]に挙げられた過去報道が存在しないため、直接の接続はできない。しかし、ワールドモデル分野の動向を踏まえると、Jasmineは、シミュレーション環境と実環境のギャップを埋めるための基盤として、今後の研究に影響を与える可能性がある。 業界構造への含意としては、Jasmineのようなスケーラブルな学習基盤の登場は、ワールドモデルの研究開発を加速させる可能性がある。特に、ロボティクス分野では、実機でのデータ収集が高コストであるため、シミュレーションと実機の差を埋めるワールドモデルの重要性が増している。Jasmineが提供する再現可能なベンチマーク環境は、異なるモデルやアーキテクチャの公平な比較を可能にし、研究の進展を促すとみられる。 一方で、Jasmineの性能評価はCoinRunという特定のタスクに基づいており、他のタスクや実環境での有効性はまだ確認されていない。また、JAXベースであることから、既存のPyTorchベースのエコシステムとの互換性や、コミュニティの受け入れが焦点になる。 今後確認すべき点としては、第一に、Jasmineが実際に数百のアクセラレータでどの程度のスケーラビリティを発揮するのか、その実測データが公開されるかどうか。第二に、CoinRun以外の多様なタスクやデータセットでの性能がどうなるか。第三に、Jasmineがワールドモデル研究の標準的な基盤としてコミュニティに採用されるかどうか、が挙げられる。

なぜ重要か

Jasmineの登場は、ワールドモデル研究の再現性とスケーラビリティを高めることで、ロボティクスやシミュレーション分野での応用を加速させる可能性がある。研究者は、共通の基盤の上でモデルを比較・検証できるようになり、分野全体の進展が期待される。