30秒サマリー
- 小型LLM「FunctionGemma 270M」をファインチューニングし、Androidデバイス制御の関数呼び出し精度をベースモデルの29.3%から76.5%へ大幅改善
- 約9,500件の合成会話データセット「MOBILEACTIONSEXTENDED」を新たに構築・公開し、15カテゴリのデバイス操作に対応
- クラウド非依存のオンデバイス処理により、低レイテンシかつプライバシー保護を両立するモバイルAIアシスタントの実用的な経路を示した
何が起きたか
Ali Rezagholizadeh氏とSoheila Samiee氏（論文著者）は、Googleの小型言語モデル「FunctionGemma 270M-it」をAndroidの実用的なワークフローに対応させる研究をarXivに投稿し、EMNLP 2026に採択された（2026年9月21日付）。
研究チームは、メッセージング・電話・カメラ/スクリーンショット・輝度調整・デバイス状態照会・フラッシュライト制御・アプリ管理など15カテゴリを網羅する合成データセット「MOBILEACTIONSEXTENDED」（約9,500件の会話、スキーマ検証済み）を独自に構築した。このデータセットを用いてTRLによる教師ありファインチューニング（完成部分のみのロスを使用）を実施したところ、MOBILEACTIONSEXTENDED上のエンドツーエンド精度はベースモデルの29.3%、Googleのモバイルアクション派生モデルの17.2%から76.5%へと向上した。
さらに、同データセットとGoogleの「MOBILEACTIONSGOOGLE」を組み合わせて学習した「結合モデル」は、MOBILEACTIONSEXTENDED上で76.5%を維持しつつ、MOBILEACTIONSGOOGLE上でも82.3%を達成した。ただしGoogleの専門モデルが同データセットで記録する90.3%と比較すると8.0ポイントの低下があり、論文ではこれをカテゴリカバレッジを倍増させるためのトレードオフとして位置づけている。データセット・ファインチューニング済みモデル・学習/評価パイプライン・Androidデモはいずれも公開されており、GitHubおよびHugging Faceから入手可能とされている。
原典ハイライト
論文アブストラクトは「コンパクトなローカル関数呼び出しが、低レイテンシかつプライバシー保護型モバイルアシスタントへの実用的な経路である」と結論づけており、270Mという小型モデルでも十分な実用精度が達成可能であることを定量的に示している点が核心である。
出典: arXiv cs.LG（論文）
So What?（なぜ重要か）
クラウドに依存せず端末内で完結する小型LLMが、Androidデバイス制御において実用水準の精度（76.5%）を達成できることが定量的に示された。これはオンデバイスAIアシスタントの開発コストと実現可能性に関する議論を前進させる成果であり、通信遮断環境やデータ主権が問われる用途でもAI活用の選択肢が広がることを意味する。
日本企業への示唆
スマートフォン向けアプリや業務用モバイルデバイスを開発・調達する日本企業にとって、サーバー送信不要のオンデバイスAI操作が現実的な選択肢として視野に入る。特に医療・金融・製造現場など情報漏洩リスクを厳しく管理する業種では、クラウド型AIへのデータ送信を避けながら自然言語による端末操作自動化を実装できる可能性がある。データセットとモデルが公開されているため、自社アプリへの組み込み検証を低コストで開始できる点も注目に値する。
背景・経緯
オンデバイスの関数呼び出し（Function Calling）は、自然言語の指示をデバイス上のAPIやシステム操作にマッピングする技術だが、論文によれば既存リソースはWebAPIや限定的なモバイルアクションカタログに偏っており、実際のAndroidワークフローをカバーするデータ・モデルが不足していた。本研究はその空白を埋めるために合成データセットを構築し、小型モデルへのファインチューニングで実用精度を検証したものとみられる。
