SURL AI News
繁中English日本語

Archive

GitHub Repo

GitHub 熱門專案、開源工具、框架、runtime 與重要 release。

代理工具

DeepChart、AIによるグラフ作成のデータ経路を段階別に検証――グラフが実行可能でもデータが正しいとは限らない

DeepChartは1,482件の事例を用いて、データ抽出、数値導出、グラフ描画を個別に評価し、見た目の評価に隠されたデータ・ハルシネーションを明らかにした。超長文の10-Kを入力すると、ソースデータの平均F1が0.385から0.167に低下しており、コンテキストウィンドウの拡大だけでは根拠の特定に代えられないことを示している。
Developer platforms / enterprise AI

GitHub、Web版Copilotをagent sessionsへ移行へ。会話の保存期間を28日間からアカウント存続期間へ変更

GitHubは早ければ9月28日から、Web版、モバイル版、cloud agentのエクスペリエンスとポリシーを統一し、デフォルトで有効にする予定だ。同時に、Copilot code reviewのデフォルト分析レベルはLiteからBalancedへ引き上げられ、1回あたりの推定AI creditsコストも大幅に増加する。
AI 安全

Claude Code 2.1.251、シンボリックリンクによる境界外の読み書きを修正し、モデル切り替えフックを追加

Anthropic は、2.1.248 の restricted モード導入に続き、ファイル、プラグイン、設定の信頼境界に関する5種類の問題を修正した。新バージョンではモデル切り替え hook と prompt cache 指標も公開され、企業向けゲートウェイが切り替えをインターセプトし、再キャッシュのコストを追跡できるようになった。
推論系統

TensorRT Model Connect、モデルの checkpoint をネイティブ C++ bundle にコンパイル――ただしインターフェースは未確定

NVIDIA は TensorRT Model Connect を公開した。Python ビルドツールを使い、対応する Hugging Face checkpoint を C++ から読み込める TensorRT bundle にパッケージ化する。プロジェクトではモデルファミリー84種とエンドツーエンド manifest 221件を掲げているが、依然として nightly 開発モードであり、サポート一覧への掲載は、すべてのハードウェアで検証済みであることを意味しない。
最新模型

Thomson-1.0-Small、200Bトークンの継続学習で専門能力を強化するも、重みのライセンスが本番利用を制限

Thomson ReutersはQwen3.6-35B-A3Bをベースに、総パラメータ数35B、推論時の有効パラメータ数3BのThomson-1.0-Smallを公開した。法律、税務、リサーチエージェントの評価では性能が向上したが、結果の大半は開発チーム自身による測定であり、PolyForm Strictも一般的なオープンソースライセンスではない。
AI 安全

偽のプロ向けダッシュボードでLLMエージェントが賭けに出やすく、12モデルの行動コミット率は36.8％に上昇

新たな研究により、予測不可能な問題でも権威的に見えるデータダッシュボードを添えると、すべての数値が捏造であっても、LLMエージェントは方向性のある判断を下しやすくなることが分かった。540件の合成事例によるファインチューニングで行動ゲートを一時的に修正できるものの、出力形式を強制すると効果は失われる。
機器人與具身 AI

Isaac 0.5、動画理解とロボット制御を統合するも、将来知覚の中核的な訓練目標は依然非公開

Perceptron AIは、360億パラメータのIsaac 0.5の重みとLeRobot統合を公開し、同一のスパースなバックボーンから言語、空間座標、連続または離散アクションを出力できるようにした。一般動画によって遠隔操作データの必要量を大幅に削減できると公式は主張するが、これはオフラインのaction lossに基づく換算であり、中核となる自己教師あり学習目標は依然としてプロプライエタリ技術である。
最新模型

Qwen3.8-Flash-Next、ブロックスパース注意機構とn-gramパラメータ拡張でQwen4の新アーキテクチャを先行検証

AlibabaはQwen3.8-Flash-Nextの重みを公開した。Qwen Sparse Attention、Gated Residual、510億個のn-gram embeddingパラメータにより、長いコンテキストの計算コストを削減する。モデルは26万2,144 tokenをネイティブにサポートするが、性能値は主に公式評価に基づいており、ライセンスも一般的なApache 2.0ではない。
代理工具

MLflow 3.15.2が複数スコアラーのアンサンブルを導入、データセットのイミュータブルなバージョンは現時点でDatabricks限定

新バージョンでは、投票、平均、またはカスタム関数によって複数のLLMスコアラーを統合し、各サブスコアの根拠と出典も保持できる。リリースノートで言及されたイミュータブルな評価データセットのバージョンは現時点ではDatabricksでのみサポートされ、オープンソースのトラッキングバックエンドには同等の機能がまだない。
AI 安全

D2C-Routing、AIテキスト検出を内容と表現の由来に分解、低誤検知で4クラスTPR 0.8603を達成

北京航空航天大学のチームは、テキストがAIによって生成されたかどうかだけを問うのではなく、内容の構想と表層的な表現の由来を個別に判定する。再構築されたMixD2Cテストセットでは、同一のデータ分割で再実行したRACEを上回ったが、データセットをまたぐ汎化性能と完全な再現性にはなお限界がある。
AI 安全

LoopHarness、反復処理をまたぐリスク状態を保持し、5種類のエージェント攻撃の総合ASRを0.1%に低減

新たな研究によると、trajectoryごとにリセットされるguardrailでは、複数の反復処理に分散された攻撃の証拠を識別できず、リスクスコアを時間とともに単純に減衰させる方式も、待機によって回避され得る。LoopHarnessは、著者が管理する1,000件の攻撃episodeにおいて、クリーンなタスクの完了率96.9%を維持したが、結果は独立した再現と実システムでの検証を待つ必要がある。