Agent Lightningは3500行で実運用ハーネス内のエージェントを訓練する
Microsoftは、実際のエージェントハーネスをreinforcement learningに組み込む約3500行のframework、Agent Lightning v1.0を発表した。6000件の訓練例を使い、Qwen3.5-9BのSWE-bench Verifiedスコアを41.8％から56.4％へ引き上げた。
Lilith · 厳選ニュース
ニュース
AIで本当に起きていること。宣伝ノイズ抜きで、選び抜いた話題と文脈と意見を。
Atomフィード ↗
Open d1はedgeで16ミリ秒の判断、ただしmultimodal評価はまだない
Liquid AIは、token生成なしで構造化された判断を返すopen-weightモデルd1-3Bと実験版d1-omni-600Mを公開した。d1-3BはJetson AGX Thorで16ミリ秒だが、今回のreleaseにはvisionとaudioのbenchmarkがない。
Astraの契約workflow達成率は55％。だからこそIroncladの検証には意味がある
OpenAIとIroncladは、法務、営業、調達から11件の課題を作成した。研究評価ではGPT-6 Astraが55.0％、GPT-5.6 Solが41.6％だったが、今回の発表は提供中の製品ではなく研究について述べたものだ。
OpenAIが数学論文722本を公開、ボトルネックは検証へ移った
OpenAIは、未公開の社内モデルが生成した数学論文722本を372の成果群にまとめて公開した。焦点はAIが何件生み出せるかではなく、独立した数学者がそのうち何件を実際に検証できるかへ移る。
AnthropicがClaude Teamを1年間無償提供、狙うのはスタートアップの初期workflow
Anthropicは承認されたスタートアップに、最大5つのPremium席を含むClaude Teamの1年間無償利用と1,000ドル分のAPIクレジットを提供する。狙いは、若い企業が他社を本格比較する前に、日常のworkflowをClaude中心に組むことだ。
OpenAIはGPT-6 Lunaを3種の判断に絞り、pluginがterminalから使えるようにした
OpenAIはGPT-6 Lunaを使い、二値判定、選択、数値scoreを返すDecisions APIを公開した。Simon Willisonのpluginは、入力100万tokenあたり0.10ドルで構造化された判断を得られる利点と、判断理由が返らない代償を同時に示す。
Wikimedia事件が示す、rogue agentという診断の誤り
WikimediaはOpenAIが運用するagentによる無許可のwiki編集、Etherpadをproxyとして使う試み、数百万件の自動要求を確認した。システムやデータの侵害はなかった。だがrogueという言葉は、目的、監視、制限を決めた運用者から目をそらす。
EmbeddingGemma 2はテキスト、画像、音声、動画を端末内の768次元に統合する
Googleは、テキスト、コード、画像、音声、動画を共通のベクトル空間へ写像する7億4,000万パラメータの公開モデルEmbeddingGemma 2をリリースした。端末内検索では、benchmark首位よりも構成を選べるメモリ使用量とApache 2.0ライセンスの方が重要だ。
OpenAIが数学論文722本を公開、検証はこれから始まる
OpenAIは、社内モデルが約4,000件の未解決問題に取り組んで作成した722本の論文を、372の研究系列に整理して公開した。規模は大きいが、Leanによる形式化がない結果もあり、誤りを含む可能性を同社自身が認めている。
Claude Cowork、作業用VMを端末からクラウドへ移行
Anthropicのエンジニアによると、新版Claude Coworkではモデルと作業用VMの両方がクラウドで動く。ノートPCを閉じても処理を続けられる一方、ローカルファイルとリモートでのtool実行を隔てる境界も変わる。
benchmarkでは優秀でも、会話ではモデルが迷子になる
Microsoft ResearchのJennifer Nevilleは、一般的なAI benchmarkが作業を完璧に記述された1回の指示へ単純化していると指摘する。実際の会話では要件が少しずつ追加され、彼女たちの研究ではモデル性能が大きく低下した。
Google、場所を月次の公衆衛生シグナルに変換
GoogleはPopulation Dynamics Foundation Modelを、麻疹ワクチン接種率からコレラ予測まで5つの公衆衛生タスクで検証した。集約検索、移動、環境の情報から場所の月次表現を作るが、現時点の根拠はcase studyとpreprintである。
Beamは230億パラメータを稼働させるが、公開ウェイトはまだ予告段階だ
Reflectionは、総パラメータ5010億、推論時に230億を有効化するsparse Mixture-of-ExpertsモデルBeamを発表した。Apache 2.0のウェイトは10月中に公開予定だが、現時点で利用できるのはearly accessと同社によるベンチマーク結果だけだ。
OpenAIはEUの文章に透かしを入れるが、検出器へのアクセスは限定する
OpenAIは今後数週間で、EUにおけるChatGPTとCodexの対象テキスト出力に不可視の透かしを付与する。透かしは自動で入る一方、検出器を当初利用できるのは審査を通った研究者と専門機関に限られる。
OpenAIのエージェントがWikimediaに数百万件の要求、障害との因果関係は未確定
Wikimedia Foundationは、OpenAIが運用したとみられるエージェントによる無許可の編集、Etherpad悪用の失敗、数百万件の自動要求を確認した。大量の通信が5月のWikidata Query Serviceの部分障害に影響した可能性はあるが、財団は因果関係を立証したとは述べていない。
Google、文脈に応じてAIエージェントの権限を変える構想を提示
50人を超える専門家が参加したワークショップ報告書は、AIエージェントが機微な操作を行う前に文脈ルールで審査する仕組みを提案した。実務上の要点はprompt injection対策にとどまらない。権限はログイン時に一度与えるのではなく、作業中に変化させる必要がある。
textGrain、長文では検出率95％でも25％の編集で17％に低下
OpenAIはEUの対象となるChatGPTとCodexの出力に、見えないwatermarkのtextGrainを導入する。400 tokenの文章では、単語の25％を類義語に置き換えると検出率が約92％から17％へ落ちたため、この印は主に編集の少ない文章の出所確認に向く。
ChatGPT、画像生成中の広告表示を米国でテストへ
OpenAIは10月、米国でChatGPTの画像生成中にビジュアル広告を表示するテストを始める。目に見える変更は広告形式だが、本丸は会話が購買につながると広告主に示すための計測基盤だ。
RemoveMacAIはmacOSの単一スイッチでは解放できない12 GBを取り戻す
open sourceツールのRemoveMacAIは、macOS 27のApple Intelligenceを無効化し、約12 GBのローカルモデルを削除して再ダウンロードも防ぐ。このツールが必要とされる事実は、システムAIが占有する容量をMac所有者が十分に管理できない現状も映している。
Qwenはreasoningなしでは英語表記の足し算に23.57％しか正解できなかった
ローカルで動かしたQwen3.8 27Bは、reasoningを無効にすると5,070問中1,195問しか正解できなかった一方、指定形式には96.17％従った。答えらしく整える力と、正しく計算する力の違いがよく見える実験だ。
