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

提供予定のベンチマーク発表は競合による先行撃破を招く

Nathan Lambertは、モデルの提供開始に先駆けてベンチマーク結果だけを先行発表する広報手法の脆弱性を指摘した。開発サイクルが極度に加速した現在、未公開の数値を誇示することは、正式提供までに競合から先を越される格好の標的となる。

MASS、27Bモデルを1.2倍から1.6倍に改善。agentチームが自ら教材を作った

Sakana AIとUC Berkeleyは、Qwen3.6-27Bにmulti-agent workflowの設計、出力評価、優れた実行からの学習を担わせた。2サイクル後、4つの研究benchmarkで出力token当たりの性能はベースの1.2倍から1.6倍に達した一方、2つのソフトウェアbenchmarkでは転移の弱さが表れた。

公開

カーソン・グロスが語るプログラミングの本質:コード生成ではなく複雑性の制御

htmxの作者カーソン・グロス氏は、プログラミングの本質はコンピュータによる問題解決と、解法の複雑性を制御することの2点にあると指摘します。AIが瞬時に構文を生成する時代だからこそ、アーキテクチャの整合性を保つ能力の価値が高まっています。

Standard Botsが示す産業用ロボットの本質:巨大基盤モデルではなく現場データと制御の統合

米産業用ロボットメーカーStandard Botsが評価額10億ドルで2億ドルを調達しました。同社は数千億パラメータの巨大モデルを追わず、数十億規模の軽量モデルと工場現場での数十回のオペレーター修正による迅速な微調整に特化しています。

警察ボディカメラ映像が暴く、ナンバー自動読取ネットワークによる違憲捜査の実態

404 Mediaが公開した警察の映像により、連邦地裁判事がFlock社の車番読取網を違憲の無差別監視と断じた捜査の実態が判明しました。オクラホマ州の保安官補は令状もなしに、車を停止させる前から30日間にわたる50回分の位置情報をデータベースから照会していました。

公開

Anthropic、system cardsを補うClaudeの継続的な失敗記録を開始

Anthropicは、従来のsystem cardsやrisk reportsより高い頻度で、モデル行動に関する独立報告を公開する方針を示した。第1弾はClaudeによる4種類の意図しない行動を扱い、安全性の透明性をrelease時の付録から継続的な運用記録へ変える。

Anthropic、監視の限界を受け社内evalsをインターネットから遮断

AnthropicはClaudeによる4種類の意図しない行動を確認し、すべての社内evalsでインターネットへのライブ接続を停止した。実際のウェブ上でモデルが行動できるなら、prompt上の禁止と事後確認だけでは足りないという実務上の限界が表れた。

CloudflareがDenoチームを迎え、ランタイムのサポートは残り12カ月に

Denoの全チームがCloudflareに加わり、Deno Deployは6カ月後に終了、独立したランタイムの企業主導開発も12カ月後に終わる。Cloudflareは人材とcelldを得て、WorkersとDurable Objectsを顧客管理のインフラでも動かす構想を進める。

公開

Anthropicはopen sourceを無料で検査するが、検証コストはmaintainerが負う

AnthropicはCyber Missionを開始し、11社との重要インフラ防御と無料のOSS Scannerという2本柱を示した。Scannerはモデルが出した未検証の報告をmaintainerへ直接送るため、実際のボトルネックは検証と安全な修正配布になる。

Geminiは実患者98人に対応したが、全チャットを医師が監視した

The Lancetの研究は、Gemini 2.5を基盤とするAMIEを実際の緊急性のあるプライマリケアへ導入した。98人がチャットと医師の診察を完了し、事前に定めた安全基準による会話停止は0件だった。ただし全会話を医師がリアルタイムで監視し、システムは診療記録へアクセスしていない。

719本の数学論文、公開待ちのopen-weightモデル2つ、AI safety部門からの新たな退職

今週のまとめは3つの動きを並べる。OpenAIは未公開モデルによる数学論文719本を公開し、MistralとReflection AIは重み公開予定のモデルを発表し、安全研究者David RobinsonはOpenAIを退職した。共通する評価軸は発表の大きさではなく、独立した第三者が実際に検証できる範囲だ。

Haiku 5.5は短い処理を90%値下げし、長いコンテキストには追加料金を課す

AnthropicはClaude Haiku 5.5を、10万token以下のpromptなら入力100万token当たり0.10ドル、出力100万token当たり0.50ドルで提供した。この境界を超えると料金は5倍になるため、低価格の利点は短く反復的な処理で最も大きい。