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 ↗
#ai-watchlist· × <built-in method clear of dict object at 0xefe39591a980>
公開

リーマン予想をLeanが検証、1,700万行の理解はこれから

Levent AlpögeはClaudeとともにリーマン予想の証明を提出し、LeanとMathlibのコミュニティーは、そのコードが正しく定式化された命題を証明していると確認した。1,700万行の機械検証を、人間が理解できる数学へ変える次の仕事が始まる。

公開

OpenAIとAnthropic、open-weightモデルを支えた可能性のある近道を封じる

OpenAIは内部評価で保護された推論を抜き出す攻撃の成功率を54.0%から0.2%へ下げ、Anthropicは抽出されたトークンが90%から99%減ったと報告した。Ethan Mollickはopen-weightモデルの進歩を鈍らせる可能性を指摘するが、現時点では測定結果ではなく仮説だ。

公開

Sakana AI、日本のサイバー防御を高速パッチではなく連携エージェントに賭ける

Sakana AIは東京に独立組織Security Research Groupを設け、Akihiro UmegaiとDavid Haが率いる。組織横断の防御、エージェントの安全性、設計段階での欠陥予防を研究し、成果を公開する方針だ。

公開

Anthropicがsubagentの大群に見直しを迫る。組織図はアーキテクチャではない

Anthropicは、一部の専門subagentをskillsとtoolsを備えた単一のagent loopへ統合するよう企業に勧めている。同社の導入事例では品質向上とコスト、遅延の削減が多く見られたというが、示されているのは一般的なbenchmarkではなく顧客事例だ。

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。

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。

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。

Anthropicのモデル開発は1.9倍に加速、ただし重要な根拠は非公開

METRは、Anthropicの社内モデル能力が2025年10月以降、以前の1.9倍の速度で伸び、その加速の大半は研究でのAI利用による可能性が高いと推定した。ただし結論の一部は、Anthropicが非公開にした証拠に依存する。

公開
·更新 · X · @GoogleDeepMind ↗

Gemini 4 Carbonが2週間でAPI公開、Googleは最難関タスク向けに位置付ける

Googleは2週間の限定提供を経て、Gemini 4 Carbonを全ての有料API開発者と企業、複数製品のGoogle AI Ultra契約者へ公開した。入力100万token当たり2ドルからだが、Google自身も通常業務の大半には安価なArgonを推奨している。

公開
公開

限定的な事実検証ではAIが人を上回った。それでも人の確認作業は消えない

Ethan Mollickは、AIの事実誤認を恐れすぎていると主張した。引用された2つの試験でエージェントは人を大きく上回ったが、測っているのは難しいウェブ検索と選別済み主張の検証であり、日常業務全体の信頼性ではない。

公開

AI agentが旧式RSAへの2つの攻撃を高速化、現代の鍵は破られていない

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。

公開
·更新 · X · @OpenAI ↗

GPT-6 CyberがFirefoxの脆弱性81件を発見。利用者はDaybreak Redが選別する

OpenAIによると、GPT-6 CyberはLinuxカーネルの脆弱性948件で実動するexploitを作成し、Firefoxで未知の重大な脆弱性81件を発見した。攻撃にも使える能力のため、当初の提供先はDaybreak Redの承認済み顧客に限られる。