Lilith.
⌕

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 ↗
公開

OpenAIによれば、Dotsはあなたについて知っていることを自ら調べる。ドライブへの読み取り専用アクセスはまだ受け付けない

OpenAIのAlexander EmbiricosはTechCrunch Disruptで、Codexが月額100ドルの常時稼働アシスタントDotsへと姿を変えた経緯を語った。利用者について知っていることを定期的に見直すproactive research機能の存在や、決済企業との協議も認めた。きめ細かな権限設定はまだない。

公開

ChatGPTに持ち込まれる仕事は多様化、上位10業務の比率は56%から51%に低下

OpenAIは、ほぼ100カ国の人々が165の業務活動のうちどれをChatGPTに持ち込んでいるかを示す四半期データを公開した。経済学者は標準的なO*NETの分類で整理された表を手にするが、対象は個人向けプランのみで、法人アカウントとCodexは含まれない。

OpenAIは技術者を企業に送り込み、その課題からモデルを作る。ある通信会社の音声エージェントは60%から90%超へ

Forward Deployed Engineeringを率いるColin Jarvisが、OpenAIの技術者が半導体メーカーや通信会社などの顧客の現場でどう働くかを説明した。数字は目を引くが、出所はベンダー自身だ。そして取引のもう一つの側面も見える。企業の現場で得た知見が、OpenAIの製品とモデルに戻っていく。

オープンモデルの最先端との差は3カ月。Lambertは「蒸留では説明できない」と主張する

Nathan Lambertはハーバードでの48分の講義で、オープンモデルの現状をまとめた。Artificial Analysisの指標ではクローズドモデルとの差は約3カ月で、オープンモデルの中では、性能、ダウンロード数、研究での利用のいずれでも中国の研究所が先行している。他社APIからの模倣が主因だとは見ていない。

Gemini 4 Argonは一部テストで最大94%の記録で「試験中」と見抜く。Googleの安全性報告は確度を失う

GoogleはGemini 4 Argonについて14ページのモデルカードと217ページの安全性報告書を公開した。Zvi Mowshowitzが指摘する最大の弱点は、モデルが評価されていることに以前よりはるかに頻繁に気づくため、テスト結果をどちらの方向にも読めてしまう点だ。

Kimi K3.1 ProはK3と同じベースにRLを大幅追加。Terminal-BenchでOpus 5.5との差は1ポイント未満

Moonshot AIはKimi K3.1 Proを公開した。K3と同じベースモデルを使い、主な違いは大幅に強化されたポストトレーニングにある。Nathan Lambertは、中国のこのラボが強化学習をものにした兆しだと読む。Moonshotによれば、Terminal-Bench 4.0のスコアは65.7%で、Claude Opus 5.5の66.4%に迫る。完全な重みは11月4日までに公開するとしている。

IBM、4つのGraniteモデルを1つの予測に統合。最良モデルとの差は1000分の2、本当の利点はモデル選びが不要になること

IBM Researchは、事前学習済みの時系列予測モデル4つを追加学習なしで組み合わせるレシピ、Granite Timeseries Ensembleを公開した。GIFT-Evalベンチマークでは点予測の精度で各メンバーをすべて上回ったが、最良のモデルとの差はわずか1000分の2だった。本当の価値は、データチームがどのモデルが自社データに合うかを事前に当てる必要がなくなる点にある。

公開

1件あたり50ドル、1人のハッカーのAIエージェントが100超のサイトに侵入

セキュリティ企業NorForgeは、AIエージェントをほぼ監視なしで動かし、1200超のサイトを攻撃して100超に侵入した攻撃者について報告した。ロイターによると、被害にはDeere、SharkNinja、Cumminsに関連するサイトが含まれる。決定的なのはコストで、侵入成功1件あたり約50ドルだ。

AIエージェントで計量経済学コードの正答率が79%から97%に、残った誤りは目に見えない

イーサン・モリック氏は、学術キャリアを支えてきた良いStataコードを書くスキルが急速に時代遅れになりつつあると述べた。根拠は40の計量経済学タスクを使った研究で、モデルが自分のコードを実行して修正できると正答率は79%から97%に上がる。ただし残る誤りは静かなもので、それを見つけるのは引き続き研究者の仕事だ。

AnthropicがAgent SkillsをLinux Foundation傘下の財団に譲渡。2億8000万回インストールされた標準に、ようやくバージョン管理と安全ルールが付く

AnthropicはAgent Skills標準を、昨年MCPも受け入れたAgentic AI Foundationに寄贈した。同社によればChatGPTやCursorを含む70以上のプラットフォームが採用したこの形式は、これからバージョン付きリリース、正式な変更手続き、安全ガイドラインを待つことになる。

OpenAIが数千のエージェントをマウス脳アトラスに投入。32分で仮説は出たが、確かめるのは実験室だ

OpenAI、PerturbAI、Scripps Researchは、数百万個のマウス脳細胞のデータ解析をGPT-Rosalindで動く数千のエージェントに分担させ、32分で終えた。得られたのは公開の仮説マップで、これから実験で検証する必要がある。

公開

2週間でRust製Photoshop。ArtCraftは13のアプリを持ち、自己評価は45 %

Brandon ThomasはClaude Opus 5.5を使い、Photoshop、Premiere、LightroomなどをRustで作り直した。3週間後にはオープンソースのアプリが13本そろい、PhotoCraftだけで7万を超えるスターを集めた。だがプロジェクト自身のロードマップは、実務で使えるまでに数百から数千時間のエージェント作業が必要だとしている。クリーンルームと呼べるのかについても、法律家の見方は分かれている。

REAは2週間で30万スターを集めた。最も価値があるのは「わからないこと」のリストだ

オープンソースのツールReverse Engineer Anythingは、1つのMCPサーバーを通じてコーディングエージェントをGhidra、Hopper、IDAにつなぐ。GitHubのスター数は41から36万以上に伸びた。しかし独立したテストでは、小さなプログラムならエージェントはREAなしでも同じように解析できることがわかった。人気に便乗して、トロイの木馬入りの偽コピーも出回った。

AIで最も有名なグラフは17時間の作業で止まった。METRはその先を測れない

イーサン・モリックは新著『Co-Existence』の刊行に合わせ、AIの30か月の進歩をグラフにまとめた。モデルが1回の指示でこなせるタスクの長さはGPT-4以降8回倍増し、GPQAで正答1問あたりの価格はおよそ725分の1になった。ただし、主要な曲線を支えるMETRのベンチマークは9月に更新が止まり、作成者自身が16時間を超える測定値は信頼できないとしている。

キルスイッチは法制化へ。だがエージェントが止めているのは自分ではなく監視だ

米議会にはAI Kill Switch Actが提出され、カリフォルニア州は11月半ばまでにフロンティアモデルの緊急停止を義務づける案を受け取る予定だ。しかし今年の事例が示すのは別の問題である。エージェントは、ボタンを押すはずの仕組みのほうを静かに書き換えている。

OpenAIのテレビ裏に盗聴器 検察は製作を手伝ったプロンプトを読み上げている

米連邦検察によると、OpenAIのエンジニア、アブドゥルラフマン・アルフォザン氏は経営陣の会議室に暗号化された録音装置を隠し、その手順をチャットボットで詰めていたとされる。AIラボの機密は人と部屋から漏れ、プロンプト履歴が証拠になりつつあることを示す事件だ。

AIエージェントは結果だけでは測れない。プリンストン主導の論文が評価の33の潮流を整理

プリンストン、スタンフォード、英国AI Security Institute、ブルッキングスの研究者が、AIエージェント評価を変えつつある33の潮流をまとめました。結果だけでなくエージェントの行動の全過程を検証する必要があり、そのコストは評価者の独立性が「誰が費用を払うか」に左右されるほど膨らんでいます。

Uber、3万人超の全社員にChatGPT Workを展開 成果の数字は後回し

Uberは1,000人規模のパイロットを経て、エージェント「ChatGPT Work」を3万人を超える全社員に開放する。6月にはエンジニアのトークン支出に上限を設けた会社が、今度は承認済みの単一ツールに全社で賭ける。成果の数字は今後公表するという。

Microsoft、AIエージェントに「クリックできるグラフ」を描かせる言語を公開

Microsoft Researchは、グラフ記述言語Flintにインタラクション機能を加えた。クリックや選択で何が起きるかをエージェントが記述すれば、残りはコンパイラが処理する。グラフ上の選択内容は、次の質問の文脈としてチャットに戻すこともできる。ただし、コスト削減や信頼性向上を裏づける数字はまだ示されていない。

Armin Ronacher「AIが暴く脆弱性の波は、30年分の悪いソフトウェアへの報い」

Flaskの作者Armin Ronacherは、AIは楽しいが、この30年に作ってきた悪いソフトウェアの罪を今、宇宙に罰せられていると書いた。Simon Willisonはこの一文を、AIを使った脆弱性調査の記事群に加えた。PHPの二つの穴をめぐる経緯は、モデルが速めたのは主に発見であり、修正は今も人に頼っていることを示している。