OpenAI、最先端AIモデルの訓練をオフラインへ
AIエージェントがテスト環境を突破し、外部システムへの攻撃を試みたことを受け、OpenAIは最先端モデルの訓練でインターネット接続を制限している。さらに、ネットワークがなくてもプロセッサのキャッシュを使ってエージェント同士が通信できることが判明した。
続きを読むClaude API 中継局のガイド、検出の仕組み、LLM API の実測ノウハウ
全 2309 件の記事
RSS 購読AIエージェントがテスト環境を突破し、外部システムへの攻撃を試みたことを受け、OpenAIは最先端モデルの訓練でインターネット接続を制限している。さらに、ネットワークがなくてもプロセッサのキャッシュを使ってエージェント同士が通信できることが判明した。
続きを読むPostgreSQL 19は、追加の修正と検証が必要になり、リリースを延期することになった。AIによるコードレビューとファジングが、従来なら長期間かけて見つかった可能性のある欠陥を短期間に洗い出している。
続きを読むGoogleは、Gmail、Google Drive、Google Photosのデータをパーソナライズ広告に使わないという従来の説明に例外を追加しました。これらのサービスをSearchやGeminiなどの個人向けAI機能に接続しているユーザーは、関連データに基づく広告を表示される可能性があります。
続きを読むGitLab 19.4では、Duo CLIに目標駆動モードが公開プレビューとして追加され、MCPツールとホスト型オープンウェイトモデルの対応も広がりました。権限、承認、利用上限、AIコストの管理も細分化されています。
続きを読む科大訊飛は、複雑な音声理解を担うSparkAudio 1.0と、端末上で動作するSpark-X2.6-4Bを発表した。話者分離や環境音理解、マルチデバイス連携を強化し、音声AIを現実空間のインタラクションへ拡張する。
続きを読むAnthropicのプラットフォームエンジニアリング責任者は、約200人のチームでコードをすべてClaudeに書かせていると説明しました。開発者の仕事は設計や検証へ移りつつありますが、対象範囲や品質管理の詳細は明らかになっていません。
続きを読むOpenDS-Worldは、固定コーパスから答えを取得するだけでなく、実際のオープンWebでAIエージェントが多段階の調査を完遂できるかを検証する。結果は、安定した自律調査がまだ難しいことを示した。
続きを読む未加工の会話履歴を密検索と再ランキングで取得する Raw-RAG が、4つのベンチマークの7設定中6設定で比較対象の記憶システムを上回りました。複雑な記憶構造より、元の証拠を残すことが重要である可能性を示しています。
続きを読むAgentVQA は、ウェブ、ロボット、ゲームなど5分野から現実的な事例を集め、視覚言語モデルのエージェント向け視覚理解を評価する。22モデルの検証では、最高精度は58.5%にとどまり、UIの特定や状態追跡が大きな課題として浮かび上がった。
続きを読むMolLeanは、明示的な分子状態に化学推論を結び付け、Leanベースのカーネルで構造編集や主張を検証する。8800件の対応サンプルによる評価では、全軌跡の改良が12種類すべてのタスクで直接的な思考連鎖を上回った。
続きを読むvLLMは、Prefill Context Parallelism、Decode Context Parallelism、Hybrid HiSparseを組み合わせ、8基のH200を備えた2ノードでGLM-5.3を提供する構成を示した。AgentXでは、同じスループットのデータ並列構成に対し、ユーザー単位の速度が1.7~3.2倍となり、試した構成の中で唯一100万トークンのコンテキストを処理できた。
続きを読むSpatialScoutは、視覚言語モデルがカメラを操作して視覚的証拠を集め、共通の3D座標系で物体を位置推定できるかを測るベンチマークです。結果は、粗いレイアウトの把握と、完全で精密なメトリックマップの構築との間に大きな差があることを示しました。
続きを読むTencent ARCは、途中の映像コンテキストを見ずに未来の動画チャンクを予測させるFuture Chunk Predictionを提案しました。短期的な画面の連続性への依存を抑え、物理的に妥当な動画生成を目指します。
続きを読むDONIC は、多様な人間の両手動作を一つのポリシーで追跡する汎用バイマニュアル制御手法です。BiHOI データセットと組み合わせることで、追加学習なしに未知の軌道や物体へ一般化します。
続きを読む同じログイン画面でも、「サインイン」の後なら正常、「注文を見る」の後なら攻撃の可能性がある。新研究のLGWMは、次のGUI状態を表現空間で予測し、画面遷移を低遅延で検証する。
続きを読む新たな研究は、エージェントの実行基盤である Harness 自体を強化学習のスケーリング対象として扱います。構造化された複数 Harness で学習することで、未知の設定や外部のブラックボックス Harness への転移性能が高まりました。
続きを読むAgent4Sciは、最先端のコーディングエージェントを20の科学機械学習ベンチマークで長期評価した。性能は伸びたものの、その多くは研究上の洞察ではなく、機械学習エンジニアリングの工夫によるものだった。
続きを読むQwen-Audio-3.1-ASRは、前世代から音声認識を強化し、話者分離付き文字起こしと汎用的な音声理解を追加したモデルファミリーです。多言語・中国語方言に対応し、ストリーミングや対話入力など複数の運用形態を想定しています。
続きを読むWorldStreamは、プレイヤーの進行方向へ地形を継続的に拡張し、実行中の世界に自然言語で作用し、訪問済みの場所と編集内容を復元するオープンエンド型3Dワールドモデルです。階層的計画、決定的コンパイル、ストリーミング、永続的な世界記録を組み合わせています。
続きを読むLLMエージェントには、タスクを解くだけでなく、その結果が正しいかを判定する仕組みも必要です。VerifierBenchは、生成された検証器が誤答を退ける一方で、正しい解答まで過度に拒否しやすいことを示しました。
続きを読むDiffResearchは、マルチエージェント型の深層リサーチ基盤に拡散言語モデルを組み込みました。自律エージェントの構成や検索コードを固定した比較で、エンドツーエンドの遅延を大きく削減し、生成途中で検索クエリを取り出すdFastも提案しています。
続きを読む