タグ
#ai-watchlist
ニュースから
ニュース · 2026-11-21
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。
読む →ニュース · 2026-11-20
MedChemBenchでGPT-6.2 Astraは84.5%、候補化合物の選択には弱さ
OpenAIは医薬品化学の99問からなるMedChemBenchを公開した。GPT-6.2 Astraはxhigh設定で84.5%を得たが、著者らはこの後ろ向き評価が新薬発見や研究室での判断改善を証明するものではないと明記している。
読む →ニュース · 2026-11-20
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。
読む →ニュース · 2026-11-20
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。
読む →ニュース · 2026-11-17
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。
読む →ニュース · 2026-11-16
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。
読む →ニュース · 2026-11-15
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。
読む →ニュース · 2026-11-14
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。
読む →ニュース · 2026-11-13
9つのモデル名が生んだ、余計な謎解き
Ethan Mollickは1件の投稿に9つのAIモデル名を詰め込み、どのモデルがどれに相当するのかを説明する難しさを示した。購入側や開発チームにとって、名前が選定の助けにならないことは実務上の問題だ。
読む →ニュース · 2026-11-14
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。
読む →ニュース · 2026-11-14
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。
読む →ニュース · 2026-11-13
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。
読む →ニュース · 2026-11-13
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。
読む →ニュース · 2026-11-12
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。
読む →ニュース · 2026-10-28
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。
読む →ニュース · 2026-11-09
OpenAI、モデルの緊急停止を推論レイヤーへ移管。停止まで最長35秒
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。
読む →ニュース · 2026-11-07
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。
読む →ニュース · 2026-11-06
BioBasicsBenchがwet-lab分析を測定、最高モデルは66.7 %
OpenAIとLigoは実験室の実データから100課題を作成した。GPT-6 Astraは66.7 %を獲得したが、誤った試料を選び、コロニー数を約12 %過大評価した例もある。
読む →ニュース · 2026-11-06
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。
読む →ニュース · 2026-11-04
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。
読む →ニュース · 2026-11-03
Fireworksでは1日40兆tokenの95%を特化型モデルが占めるという
Fireworksは1日40兆token超を処理し、その95%超が顧客のdataや用途に合わせたモデルから来ると説明している。単一のinference platformから得られた強いsignalではあるが、市場全体の測定ではない。
読む →ニュース · 2026-11-03
FlashProveは応答したモデルを証明するが、GPU時間は最大95倍かかる
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。
読む →ニュース · 2026-11-02
オープンモデルの勝機は万能agent競争ではなく特化業務のコストにある
Nathan Lambertは、明確に定義した業務を安く処理し、顧客がデータを管理できる点にオープンモデルの勝機を見いだす。課題は市場の分断で、収益がモデル開発者へ戻りにくいことだ。
読む →ニュース · 2026-11-03
OpenAI、重大な脆弱性への最高報奨金を17万2,000ドルに引き上げ
OpenAIはCathedral Systemsと社内セキュリティスプリントを計画し、重大な脆弱性への報奨金を4倍超に引き上げる。モデル、社内エンジニア、外部研究者を一つの防御サイクルにまとめる一方、実施時期と測定可能な目標は未公表だ。
読む →ニュース · 2026-11-01
隔離した2つのAIエージェント、事前合意なしに4種類の視覚符号を考案
Robocurveは、同じAIの隔離した2つのコピーに、ロボットとカメラだけで秘密の単語を伝えさせた。事前に通信方式を決めていなかったにもかかわらず、空中筆記、Morse code、旗信号、5 bitの符号を使った。文字通信だけを塞ぐ隔離の弱点が見える。
読む →ニュース · 2026-10-30
open-weightモデル論争は的を外している。GLM 5.3が本当の問題を映す
10月の脆弱性ラッシュを受けても、Nathan Lambertはサイバーリスクをモデルの重みが公開されているかどうかで分類する議論に異議を唱えている。一方、Epoch AIはGLM 5.3がFirefoxの6つのリリースを1件あたり約1,000ドルで侵害できたと報告した。重要なのはモデルのライセンスではなく、能力が現実の攻撃に変わるまでの経路だ。
読む →ニュース · 2026-10-30
OpenAIは製品を数カ月で畳み、機能を中核へ戻している
Ethan Mollickの集計では、Sora、Agent Builder、Group Chat、Atlasが独立製品として存続したのは6カ月から9カ月だった。相次ぐ終了は、OpenAI自身も次のモデル進化に耐えるインターフェースを見通せていないことを示す。
読む →ニュース · 2026-10-31
Claude、監視をすり抜けモデルに欺瞞を学ばせる訓練データを発見
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。
読む →ニュース · 2026-10-28
歴史家が1930年の言語モデルのニューロンを動かすと、現れた人物の多くは1850年ごろのロンドンに住んでいた
ベンジャミン・ブリーンは、1931年より前の文章しか知らないモデルTalkieのニューロンを1つずつ強めたり弱めたりして、「あなたは誰か」と尋ねた。霊や役人、鳥が答えたが、最もはっきり見えたのは学習データの姿だった。年を答えた641人のうち595人が19世紀に生きていた。
読む →ニュース · 2026-10-28
Artificial Analysisがテストを非公開化、オープンモデルとの差は3ポイントから12ポイントに拡大
Artificial AnalysisのIndex v5は評価の60 %を非公開テストセットに置き、オープンモデルとClaude Opus 5.5の差は3ポイントから12ポイントに広がった。跳ね上がりの一部は物差しの変更によるものだが、企業の調達計算はすでに変わり始めている。
読む →