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 ↗
#social-signal· × <built-in method clear of dict object at 0xefe3a5d246c0>
公開

MollickはGemini 4を最上位に置いたが、物差しは自身の仕事だ

Ethan Mollickは公開前からGemini 4を長く試し、大きな進歩であり、OpenAIとAnthropic以外で初めて自身のFable、Mythos、Astra基準を超えたモデルだと評した。これは実務から得た有用なシグナルだが、比較ベンチマークではない。

次のAI競争、勝者は単独モデルではなくモデルチームか

Ethan Mollickは、OpenAIとAnthropicが能力の異なるエージェントを自社システム内で組み合わせ、コストと性能の比率を最適化できる可能性を指摘した。研究はこの見方を一定程度支えるが、エージェント数より役割分担と結果選択が重要だと示している。

スマートフォンで動く19モデルがGPT-4を超えたという主張には評価指標が欠けている

Ethan Mollickは、現代のスマートフォンで動く19のモデルがGPT-4を上回るというランキングを紹介した。この数字はcommoditizationの速さを示す一方、投稿にはbenchmark、model一覧、実行条件が示されていない。

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

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。

公開

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。

公開
· X · @simonw ↗

OpenAIはGPT-6 Lunaを3種の判断に絞り、pluginがterminalから使えるようにした

OpenAIはGPT-6 Lunaを使い、二値判定、選択、数値scoreを返すDecisions APIを公開した。Simon Willisonのpluginは、入力100万tokenあたり0.10ドルで構造化された判断を得られる利点と、判断理由が返らない代償を同時に示す。

公開
· X · @OpenAI ↗

OpenAIはEUの文章に透かしを入れるが、検出器は一般公開しない

OpenAIは今後数週間で、EUのChatGPTとCodexが生成する対象テキストに見えないwatermarkを加える。世界のAPI顧客は任意で有効化できるが、編集による検出力低下や誤判定の恐れがあるため、検出器は当面、承認された研究者と専門機関に限って提供される。

Sakana AIとJürgen Schmidhuberが現実世界のAI開発に向けて力を結集

東京を拠点とするAIスタートアップであるSakana AIは、人工知能の先駆者の1人であるJürgen Schmidhuberをチーフサイエンティフィックアドバイザーとして迎え入れました。東京で開催される共同シンポジウムは、同社がLLMから現実世界の適応型インテリジェンスへと重点を移していることを示唆しています。

公開

1万6200問が言語モデル内部の地図を描き出した

モデルに緯度経度を与え、陸か水かを1万6200回尋ねた結果から世界地図を描くシンプルなevalが注目を集めた。重みに埋め込まれた地理知識を視覚化できる一方、score、baseline、完全な手法がない段階では順位表よりX線写真に近い。

Claudeの意識論争はバチカンへ届いたが、重要なのは誰がその倫理を書くかだ

Sakana AIのDavid Haは、Claudeを巡る文化的な温度差を短い投稿で示した。西側が機械の魂を論じる一方、別の地域では実用性が先に問われる。その冗談の奥には、複数文化で使われる製品の価値観を誰が決めるのかという問題がある。

公開

frontier AIの減速論、境界線を誰が引くかで行き詰まる

Nathan LambertはPacing the Frontierの目的には賛同しつつ、境界、参加者、ルールが曖昧なままでは実行できないと批判した。capabilitiesの向上を止めても、研究が低コストなswarmや効率化へ移るだけだと警告する。

公開
公開

AIにもEternal Septemberが来る。あらゆる分野が同じ入門から始める

Ethan Mollickは、政治や文化など各分野の論者がAI safety、意識、雇用について同じ学び直しを繰り返すと指摘する。公共議論に訪れるのは共通知識への素早い収束ではなく、知的な新規参加者の絶えない流入だ。

公開

HomeBodyがGPT Astraに空間記憶とヒューマノイドの身体を与えた

HomeBodyはGPT Astraを空間記憶とUnitree G1向けのスキルライブラリに接続する。未知のキッチンで片付けや保管された薬の回収を行える一方、事前探索、デジタルツイン、RTX 4090、リモートモデルを必要とする。