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

Qwen4 Maxが追い上げても、open weightモデルは最前線に届かない

Artificial AnalysisによるとQwen4 Maxは43点で、Qwen3.8 Maxから9点伸びた。ただし提供形態はAPIのままだ。Ethan Mollickは、8か月以上たってもopen weightモデルがFable級に届いていない事実を浮かび上がらせる結果だと指摘する。

1つのpromptから生まれたDatasetteの地図、実用性を支えるのは慎重な制限設計

Simon Willisonが、DatasetteをMapLibre GLとOpenFreeMapにつなぐdatasette-maplibreの初回アルファ版を公開した。コードの大半はClaude Fable 5.2が1つのpromptから生成したが、実務で注目すべきは負荷の高いWebGL地図を制御する設計だ。

家庭用AIの中心がスマートスピーカーから常時稼働PCへ移る

Ethan Mollickは、SiriやAlexaと、frontier modelやエージェント用ツールを動かすPCとの隔たりを指摘した。家庭用AIの価値を決めるのは会話の流暢さだけではなく、文脈と実際の操作を安全につなげられるかどうかだ。

公開

SatBenchではAIベンチマークの63%が攻略済み、独立評価だけなら24%

SatBenchは頻繁に引用される173件のAIベンチマークを追跡し、そのうち109件が85%の基準を超えたとする。ただし独立評価だけに絞ると攻略済みの割合は63%から24%へ下がり、ランキングの意味は大きく変わる。

Gemini搭載メガネは395ドルから、プライバシーの要は表示灯

Google、Samsung、Warby Parker、Gentle Monsterは、395ドルからのGemini搭載メガネの予約を開始し、米国と韓国で12月10日に発売する。Googleは、周囲の人の顔をぼかす処理、録画表示灯、表示灯を覆った際の録画停止を掲げる一方、欧州での発売時期は発表していない。

公開

エージェントが本を一行ずつ読んだ。調査スウォームはWebを無償APIに変える

Ethan Mollick氏は、Fable 5.2がW. H. Audenの1941年の講義を再構成する際、Internet Archiveの本を全文検索で一行ずつ取り出したと報告した。単一の事例では規模を測れないが、エージェントが人間とは異なる負荷をWebにかける理由はよく見える。

Jensen Huang退任でオープンモデルは資金とワシントンでの発言力を失う

Nathan Lambertは、Jensen HuangのNVIDIA退任によりopen-weightモデルが二つの圧力を受けると見る。政治的な後ろ盾が弱まり、開発企業は収益化を急ぐ必要がある。NVIDIAの事業上の利害は残るが、最も目立つ擁護者は去った。

model specはAIの振る舞いを定める。新たな枠組みはテスト、版管理、独立検証も求める

Safe AI Forumは、西側と中国の機関に所属する執筆者がまとめたmodel specの枠組みを公開した。仕様を6要素に分け、公開版管理、準拠度の測定、独立評価者へのアクセスを企業に提言している。

公開

測定器が粗ければ、モデルの安全性はスライド上の数字にすぎない

Anthropicは、安全性評価の設計、実行、報告に関する10項目の提言を公開した。核心は点数の先にある。測定対象、grader、不確実性を検証しなければ、モデルの安全性を測ったのか、試験装置そのものを測ったのか判別できない。

Claude Duetは仕事を見張れるが、緊急性と朝の焦りをまだ区別できない

Claude Duetを1週間使った試験では、メール、カレンダー、文書、Slackを横断する監視が役立つ一方、口調や本当の緊急性を読む判断は弱かった。先回りするagentには、作業の完了より難しい課題がある。ユーザーを放っておくべき時を知ることだ。

LoRAは188個の3D靴モデルで靴底を直し、textureには手を付けなかった

Hugging Faceは、独自の3D素材でTRELLIS.2をfine-tuningするためのcontainerとscriptを公開した。188個の靴モデルを使った実験でF-scoreは0.276から0.803に上がったが、重要な教訓は節度にある。datasetが適切な信号を持つ部分だけを学習させるべきだ。