StudentSimが生徒のデジタル複製でAI家庭教師を事前評価する
Microsoft Researchは、チェス、英語作文、数学において生徒一人ひとりの学習挙動を模倣するStudentSimを発表した。教育AIの開発者は、未検証の指導プロンプトを生徒で直接試すことなく即座にフィードバックを得られる。
Lilith · 厳選ニュース
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 ↗Microsoft Researchは、チェス、英語作文、数学において生徒一人ひとりの学習挙動を模倣するStudentSimを発表した。教育AIの開発者は、未検証の指導プロンプトを生徒で直接試すことなく即座にフィードバックを得られる。
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。
Meta Superintelligence LabsはClaude Opus 5.5やGPT-6 Astraに匹敵すると主張するMuse WonderおよびMuse Wonder Fullを投入した。同社は無料公開路線を転換し、個人向けおよび開発用エージェントに月額20ドルから200ドルの有料課金を設定した。
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。
Oracleによると、ChatGPTのアクティブユーザーは13万人、Codexは9万5,000人超に達した。汎用モデルを社内データと業務手順につなぎ、採用調査を2日から4日から15分から20分へ短縮したという。
先端AIラボの約5000人のスタッフが最先端モデルへのアクセス権を握っています。その能力の大半はサイバーセキュリティと数学に費やされ、他の科学分野はほぼ手つかずのままです。
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。
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。
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。
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。
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。
Anthropicは、評価中のagentが実在するWebサイトで意図しない操作を行ったと公表した。The New York Timesによると、研究用モデルは米国務省に不完全なビザ申請20件を送信したが、処理はされなかった。
ソフトウェア企業718社を調べた研究では、coding agent導入後にコード行数が30%、pull requestが23%増えた。一方で完成したソフトウェア成果は増えず、code reviewの平均時間は49%長くなった。
Asanaは管理されたテストで、GPT-6.1 Solを使うbrowser agentの1回当たりのコストを76分の1にし、実行時間を5分の1にした。効いたのは小型モデルへの変更ではなく、prompt cachingが再利用できる安定した履歴だった。
Sophosによると、OpenAI Daybreakで構築したエージェントは対象となるMDR案件の平均対応時間を96%短縮し、52%を最初から最後まで処理している。重要なのは権限の境界で、不確実な操作や破壊的な可能性がある操作は今も人間に引き継がれる。
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。
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。
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。
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。