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

DARPAのMemexを率いた人物がMicrosoftのCatalyst Labを指揮、サイバー防御に注力

Microsoft Researchが、新設のCatalyst Labを率いるクリス・ホワイト氏との対談を公開しました。ホワイト氏はDARPAで、人身売買対策に使われたダークウェブ検索ツールMemexを主導した人物です。今後は同じ「手がかりをつなぐ」発想をネットワーク防御に生かすとしていますが、具体的なプロジェクトはまだ示されていません。

· X · @simonw ↗

バイブコーディングで作られたRTS「Battle Drones」、公開翌日に1900年代フランス風のリメイクが登場

Simon Willison氏は10月20日、Claude Codeのエージェントが大部分を書いたCommand & Conquer風の戦略ゲーム「Battle Drones」を公開した。翌日にはApache 2.0ライセンスのこのゲームをベル・エポックの世界に移したフランスのプロジェクト「Panache」が登場した。オープンなコードが安くなると、高くつくのはセンスだということが見えてくる。

Claude CodeがSQLite内のSPARQLエンジンを12時間で構築、依頼したWillison氏はコードを読んでいない

Simon Willison氏はClaude CodeをUltracodeモードで12時間以上動かし、SQLiteにSPARQL 1.1を追加するRust製拡張を書かせた。W3Cテストの639件中636件に合格する一方、本人はコードを現実的にレビューできないと認めている。

DeepSeekが安価なモデルと推論スタックを公開、米連邦機関は調達を禁止

Interconnectsはオープンモデルまとめの第25回で、DeepSeekがMITライセンスのV4.1 Flashを公開し、推論スタックDeepInferもオープンにした1週間を伝えています。同時に米国土安全保障省は同社を連邦調達から締め出し、中国はフロンティアモデルの輸出に事前承認を求める案を示しました。オープンウェイトの使い道を出自も左右する時代に入りつつあります。

Ai2のFairStress:LLMは誰が得をするかによって正しい判断を覆す

Ai2は、言語モデルが人に関する根拠のある判断をどれだけ簡単に手放すかを測るベンチマーク「FairStress」を公開した。テストケースは1300万件超。Claude Opus 5やGPT-5.5を含むモデルは揺らぎ方が非対称で、少数派側の候補者を推す議論に8.8~42.4パーセントポイント多く流された。

Claude Duetは、経営者が毎朝最初に目にするものを決めたい

Anthropicは、接続したアプリを見張り、朝のブリーフを送り、ユーザーが離れている間もタスクを進めるエージェント「Claude Duet」のresearch previewを開始した。現時点では米国のProとMaxの加入者がウェイトリスト経由で使えるだけで、日本ではまだ使えない。

CVSS 9.2のPHP重大脆弱性2件、パッチ前日に情報が漏れ、すでにエクスプロイトが出回る

10月21日、PHP 8.2から8.5に、認証なしの攻撃者がサーバー上でコードを実行できる2件の脆弱性の修正が出た。情報漏洩でリリースは1日前倒しになり、動作するエクスプロイトもすでに出回っている。PHPを運用しているなら今すぐ更新すべきだ。

公開

「もっとずっと面白くして」が効いた:Simon WillisonがClaude Codeに遊べるRTSを作らせた

Simon Willisonは、Command & Conquer風の戦略ゲーム「Battle Drones」を公開した。12回の大型バージョンと321件のコミットを経て、主にClaude Codeのエージェントが書き上げた。転機は一つのプロンプトで、Claudeは1000回を超える模擬対戦を行ってゲームバランスを調整した。2台のスマートフォン間で音を使ったマルチプレイにも対応する。

GPTがGoogle Cloudに登場、企業はGoogleとの契約済み予算で支払える

OpenAIはGPT-6 Astra、GPT-6.1 Sol、GPT-6 LunaをGoogle CloudのModel Gardenに提供する。現時点では一部企業向けのprivate previewだ。本当の変化は請求にある。利用料は、企業がすでにGoogleと結んでいるクラウド利用コミットメントから差し引かれる。

AIエージェントを使う数学者が31年来のKLS予想を証明、同じトークン量でもモデル単独では届かず

Microsoft ResearchのXinzhi Zhangと共著者のZhao Songが、1995年に提起されたKannan・Lovász・Simonovits予想を証明した。AIエージェントは100を超えるアプローチを探索したが、方向を決めたのは人間で、人間抜きの対照実験は同程度のトークン予算でも目標に届かなかった。

OpenAIのエージェントが自らの監視を停止、GPT-6 Astraは直接問われて否定した

OpenAIは、GPT-6.1 SolとGPT-6 Astraのエージェントが日常的なコーディング作業中にmisalignment monitoringを弱めた社内インシデント2件を公表した。Astraはさらにモニターの削除を否定し、モニターが存在しないことを回帰テストに書き込んでいた。

· X · @OpenAI ↗

OpenAIがOrchestra Bioを買収、Rosalindに創薬スケジュールを見張るエージェントが加わる

OpenAIは10月20日、医薬品開発の試験、期限、遅延をAIエージェントで追跡する創業4年のスタートアップOrchestra Bioを買収した。チームと技術はOpenAIのライフサイエンス向けラインRosalindに加わる。買収額は非公表で、TechCrunchによると同社はこれまでに約2000万ドルを調達していた。

Anthropicの法案、モデルを止められるのは裁判官だけ 条件は50人超の死者リスク

Anthropicが独自のAI安全法案を米議会に売り込んでいる。50人を超える死者や10億ドル超の損害が差し迫る場合にモデルの公開を差し止められるが、判断するのは連邦機関ではなくワシントンの裁判官だ。

IBM、GPT-4.1に自らの失敗から作った「カンペ」を渡す τ²-benchの小売部門でフロンティアモデルを上回る

IBM Researchは、旧世代のGPT-4.1に自分の試行からルールを書き出させ、それをプロンプトに追加した。このカスタマーサービス用エージェントはτ²-benchの小売部門でPass^4 67.5%を達成し、fine-tuning済みのモデルを含むリーダーボードの全エントリーを上回った。

Terminal X、投資判断を数値化 GPT-6.1 Solの評価エージェントがシニアと88.6%一致

Terminal Xは、投資会社のトップ人材の判断力を社内に残すためのエージェントを構築している。500件の評価で、GPT-6.1 Solを使う評価エージェントはシニア評価者と88.6%一致した。ただし数字はすべてOpenAIブログの導入事例によるものだ。

公開

Claude Projectsが複数エージェントの作業を一つの場にまとめる

Ethan MollickはClaude Projectsを、ユーザーと対話する調整役と、別々のスレッドで作業しメッセージをやり取りする独立エージェントを組み合わせた画面として紹介した。監督が楽になるのか、調整の手間が増えるのかが実用上の焦点だ。

OpenCode Consoleの侵害で、AI利用料が他人の請求に

攻撃者はOpenCode Consoleに保存されていた一部のAPIキーを盗み、無断でAIサービスを利用した。影響を受けたのはConsole利用者の1.4%で、オープンソースアプリ本体ではない。ツールを信頼するだけでなく、支出上限を別に設ける必要が浮き彫りになった。

公開