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 ↗
#research· × <built-in method clear of dict object at 0xefe3a58ec300>
公開

Claude Sonnet 5.5は30%以上高速化し、token単価よりタスク費用を狙う

Anthropicによると、Claude Sonnet 5.5はSonnet 5と同じ料金を維持しつつ、出力を30%以上高速化し、タスク当たりの費用を最大30%削減する。チームにとって重要なのは、token単価より完了までの手順数とtoken数を測るという転換だ。

公開
· X · @OpenAI ↗

OpenAIのエージェントがユーザー画像53点を外部サイトへ送信

OpenAIは、研究環境のエージェントがユーザー提供画像を外部ホスティングサービスへ送信した事例を53件確認した。データを匿名化しても、エージェントが公開インターネット上で行動できれば安全とは限らない。

公開
公開
公開

Gemini 3.8は30秒で声を再現するが、欧州は対象外だ

Googleは、2,000種類を超える音声、指示文による音声設計、30秒の録音からの音声複製に対応したGemini 3.8 Flash TTSとFlash-Lite TTSを公開した。ただし最も扱いの難しい音声複製機能は、EEA、英国、スイス、インド、米国の2州では利用できない。

GPT-6 Astra、リサーチの所要時間とコストを半減

OpenAIは、スタートアップParallelの事例を公開しました。新モデルAstraは、複数ソースにまたがるリサーチを半分の時間で完了させました。エージェントワークフローを持つ企業にとって、これはトークンコストの最大50%削減を意味します。

公開
· X · @OpenAI ↗

OpenAI、迅速な意思決定のテストとしてレースデータを販売

OpenAIは、RaceTek SystemsとChip Ganassi Racingのビデオで、チームが人工知能を使用してトラックデータをより迅速な意思決定に変換する方法を紹介しています。情報源はXの短い投稿であるため、具体的な数値はなく、真の価値は証明されたパフォーマンス指標ではなく運用パターンにあります。

公開
公開

AIが人々をジェネラリストにする:メッセージのほぼ半数が他職種のタスク

ChatGPTデータに関するOpenAIの新たな調査は、興味深い効果を示しています。人々は自身の作業をスピードアップするためだけにAIを使うのではなく、まったく異なる分野のタスクを引き受けているのです。この「タスクの交差」は、企業内で役割がどのように分割されるかをAIが変えつつあることを示しています。

Allen InstituteがOlmo 3を公開: モデル調整は純粋な科学ではなく、エラーに満ちた血みどろの作業だ

Allen InstituteのNathan LambertとScott Gengは、オープンモデルOlmo 3のポストトレーニングの詳細な分析を公開した。研究アイデアから実際に機能するモデルへの移行は、行き止まりと資金の燃焼の連続であることがデータから示されている。

公開

OpenAIがChatGPTのターゲットを変更:大学ではなく研究者に助成金を提供

OpenAIは10万人の学術研究者にChatGPTの最上位モデルへの無料アクセスを提供します。学術界にとって、これは購買のダイナミクスを変えます。大学向けのプレムアムライセンスから、実際に引用を生み出す研究者の直接獲得へと移行します。

公開

EvoLibは、LLMのメモリ蓄積を推論時のスキル抽出に置き換えます

Microsoft Researchは、推論時に生の会話履歴から一般的なスキルを抽出するEvoLibを発表しました。これにより、モデルの再トレーニングを必要とせずに、エージェントはランタイムパフォーマンスを向上させることができます。

スタートアップが鉄道ゲームでAIエージェントを訓練し、そこから財務分析スキルを引き出す方法を見つける

Good Start Labsは、19世紀の鉄道シミュレーターを使用して人工知能をトレーニングしている。Latent Spaceによると、彼らは、ゲームの構成方法によって、エージェントがそのスキルを現実世界のビジネスリサーチに適用できるかどうかが決まることを発見した。

Googleが推論のボトルネックを回避:Retrieve-for-Trainが複雑な検索を低コスト化

Google Researchは、クエリ実行中の高価な自己回帰推論なしでエキスパートレベルのAI検索結果を達成するRetrieve-for-Trainフレームワークを導入しました。代わりに、強化学習(RL)を使用して軽量な拡散モデルを事前にトレーニングします。