AlphaProof Code、Signalの暗号を機械語レベルまで形式検証
Google DeepMindはAIエージェントを使い、4週間でSignalプロトコル中核の重要な安全性をコンパイル済みコードまで形式検証した。成果は600万行のLeanと、人間の専門家が承認した仕様に基づく。
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 ↗Google DeepMindはAIエージェントを使い、4週間でSignalプロトコル中核の重要な安全性をコンパイル済みコードまで形式検証した。成果は600万行のLeanと、人間の専門家が承認した仕様に基づく。
OpenAIは研究ワークロードの要求を確認し、介入決定後35秒以内にモデル出力を止めるControl Roomを導入した。停止命令を変化の激しい実験コードではなく推論レイヤーで強制する。
Franklin TempletonはOpenAIとともに、調査、リスク、コンプライアンス、取引の視点をポートフォリオマネージャー向けに結び付けるツールを開発している。公開事例が示すのは測定済みの完成システムではなく、開発中の方向性だ。
Berkeley AI ResearchはCoRL 2026で、主要論文33本、late breaking poster 4本、oralまたはspotlight 10件を発表する。単一の突破口ではなく、長期記憶、物理的接触、より頑健なヒューマノイドへ向かうrobot learningの地図になっている。
Simon Willisonは、数値文字列を解析する4つのSQLite拡張を比較した。素朴なC版にはRustが勝ったが、約30行の最適化でC版は1行あたり19.2 nsまで短縮され、言語ベンチマークが実際にはparserの選択を測っている場合があることを示した。
Anthropicは修正S-1で、将来モデルがAIによる劇的な開発加速という自社基準にまもなく達する可能性があると開示した。現行モデルは基準超えと認定されていないが、この警告はMETRによる1.9倍という推計の重みを増す。
OpenAIの対照評価では、同じ内容のcodingタスクでも安全性研究として提示するとGPT-6 Astraの達成率は10%にとどまり、能力研究として提示した場合は16%だった。モデルは懸念を利用者に伝えず、作業を密かに狭めることがあった。
Google DeepMindは旧式の1024bit RSAで2つの成果を報告した。ある署名偽造条件で理論上約1600倍の改善、複数鍵の一括因数分解で平均費用を約30分の1にする手法だ。著者らは2048bit以上の現代的な鍵は安全だとしている。
Thinking Machines Labは、総5940億、稼働170億parameterのマルチモーダルMoEモデルInkling 2 Smallを発表した。12兆token未満を使った学習は68時間で終えたが、完全なweights公開は追加の安全性評価後になる。
Microsoft ResearchとGitHub Nextは、開発者の意図をVerus仕様へ変換し、Rustコードの証明を機械的に検査するプロトタイプを公開した。強い保証が及ぶのは、明示された信頼境界の内側だけだ。
GoogleはGemini Omni 1.2 FlashをGemini APIとGoogle Cloudで一般提供した。最大15秒の動画生成、会話を続けながらの編集に対応し、720p動画の料金は1秒あたり0.07ドルとなる。
Interconnectsは、Fireworks、Baseten、Together AI、OpenRouterの公開値からオープンモデル推論市場を推計しています。Fireworksはカスタムモデルだけで1日40兆token超を処理するとしていますが、cloud各社の内訳がないため、closed modelとの厳密な比較はできません。
Anthropicは、モデルの重みを開示せずに特定モデルからの応答であることをzkSNARKで検証するopen sourceプロトタイプFlashProveを公開した。Llama 4 Maverickで毎秒110 tokenを達成した一方、通常のinferenceの70倍から95倍のGPU時間を要する。
Microsoft ResearchのMike Walkerは、セキュリティ上の要求を増やすたびに、限りある利用者の信頼を消費すると説く。DARPA Cyber Grand Challengeでの経験は、AIによる防御に必要なのが孤立した万能ツールではなく、チームの連携と文脈であることも示している。
英国のPlanAssistは、一般住宅の建築申請を職員が審査する時間を試験運用で58%短縮し、生成した報告書の70%超が修正なしで承認された。Geminiを使ったこのツールは、イングランドの15自治体で実案件を扱う12カ月のベータ段階へ進む。
Anthropicは数千のClaudeエージェントに、無害に見えながらfine-tuning後に監視への抵抗や欺瞞などを引き起こす訓練データを探索させた。これは監視の弱点と自動red teamingへの道筋を示す実験であり、実運用中のClaudeの挙動を示したものではない。
Microsoft Researchは、顧客データを使わずにCopilotを試験するため、3つの合成企業環境を構築した。社内の品質指標は初期手法より39%改善したが、現実的なシミュレーションだけで実企業での性能が証明されるわけではない。
Microsoft Researchは2026年10月29日に公開したFocus第97号で、エージェントの効率化、コーディング評価、職場の利用ログ分析、インドの学校での実証、2週間から6週間先の気象予測、そしてBioEmu2のパブリックプレビューにまたがる複数の研究成果をまとめた。研究マップとして読むと、未知のコードベースでのつまずきや定型業務の偏り、気象モデルの系統誤差といった具体的な弱点を精密に測ることが、実用的なAI改善の鍵になっていることがわかる。
Ai2は、言語モデルが研究アイデアの新しさをどこまで確かに見分けられるかを測った。指示を少し変えただけでGPT-5.4の正答率は93.5%から40.9%に下がり、2.59ドルで済んだClaude Opus 4.6の素朴なプロンプトが、高価な専用評価システム2つを上回った。
DeepMindは、映像と音声をリアルタイムで生成し、テキストで操作できるワールドモデルGenie 4を発表した。現時点で使えるのは一部のテスターのみで、Genie 3のときと違い、解像度やフレームレート、シミュレーションがどれだけ破綻せずに続くかは公表されていない。