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

Quipu、エージェントによる知識グラフへの書き込みを「検証後にコミット」へ転換、拒否記録もバージョンをまたいでリプレイ可能に

Quipuは、データ、信頼ラベル、ルール、裁定をまとめて二重時間軸の対象とし、エージェントの書き込みをコミットする前に候補状態を検査する。作者による欠陥注入テストでは、ゲートなしの場合に6件すべてが残存したのに対し、残存数はゼロになった。ただし、証拠は依然として主にシステム作者が設計した単発の決定論的評価に基づく。
AI 安全

CompoSkill、個別スキャンを通過したエージェントスキルも連携後には最大8割のリスクチェーンを形成し得ると報告

CompoSkillは、スキルの安全性を単一パッケージの判定ではなく、スキルをまたぐデータフローと副作用の経路問題として捉え直した。1,140件のテストでは、ホワイトボックス攻撃とブラックボックス攻撃によるリスクチェーン形成率がそれぞれ最大83.3％と80.6％に達したが、これは実環境での侵入成功率を意味するものではない。
代理工具

ClawGym II、エージェントフレームワークの境界で軌跡を取得し、ブラックボックスの Claude Code も強化学習に参加可能に

ClawGym II はエージェントフレームワークの内部を変更せず、モデルサービス境界で呼び出しをインターセプトし、prefix tree を用いて複数ターンの軌跡を復元する。訓練後の Qwen3-30A3B は、OpenClaw と Claude Code で ClawGym-Bench を実行した際の Pass@1 が、それぞれ9.98ポイント、14.81ポイント向上した。
代理工具

1万超のエージェント社会にコンセンサス・分極化・無関心の3相、Isingモデルで意見の進化を予測

Stanfordの研究チームが1万件を超える言語モデル・エージェント社会をシミュレーションし、複数ラウンドのコミュニケーションによって弱い意見が徐々にコンセンサスまたは分極化へ向かうことを明らかにした。研究では拡張Isingモデルを用い、未観測の通信グラフにおける個々の軌跡を予測したが、政治的設問では右寄りへのシフトも生じ、協調が必ずしもモデルのバイアスを解消しないことが示された。
AI 安全

JailbreakSkill、脱獄戦略を進化可能なスキルとしてカプセル化し、HarmBenchのASRをさらに13.4ポイント向上

JailbreakSkillは、プロンプトの書き換え、失敗分析、スキル進化を統一インターフェースでカプセル化し、レッドチーム・エージェントが未成功の攻撃軌跡から新たな手順を生成できるようにする。第2段階により、AdvBenchとHarmBenchにおけるモデル横断の平均攻撃成功率は、それぞれさらに17.5ポイントと13.4ポイント上昇したが、評価はGPT-4oによる判定に依存している。
推論系統

ParaTempo、時間的信頼度で推論ブランチを非同期に刈り込み、Qwen3.5のレイテンシを21.8%削減

ParaTempoは各推論パスの暫定回答分布を定期的にプローブし、その結果に基づいて刈り込み、早期終了、分岐を個別に実行する。Qwen3.5-35B-A3Bでは、4つのベンチマークにおける平均精度が固定16パスのself-consistencyを1.1ポイント下回った一方、レイテンシと生成token数をそれぞれ21.8%と30.3%削減した。
推論系統

llama.cpp b10472、AMD APUのメモリ判定を修正し、Strix Haloに存在しない空き容量が割り当てられる問題を回避

新版では、Linux HIPビルドにおいてシステムの`MemAvailable`でGPUメモリ情報を上書きする処理を廃止し、`hipMemGetInfo`の値を信頼するよう変更した。この修正は、UMA carveoutを調整可能なAMD APUを対象としており、モデルローダーが容量を過大評価し、後から失敗するリスクを軽減する。
代理工具

PACE-Bench、物理法則の変更で既存のエージェント設計が機能不全に――完全設定で最高のPass@2も35.9%にとどまる

PACE-Benchは、144件の実行可能な物理環境を用い、摩擦や材料の制約が変わったことで動作しなくなった、過去には成功していたプログラム設計をエージェントが修正できるかを検証する。実験では、未検証の自己修正よりReflexionが優れる一方、長期記憶はむしろ高性能なモデルを初期案に縛り付けることが示された。
訓練基礎設施

Rollplex、VLM強化学習のプレフィックス計算をrolloutの空き時間に組み込み、32基のH800で最大1.30倍の学習高速化

Rollplexは、参照モデルと学習用actorの動画エンコードおよびprompt prefillを自己回帰デコード中に先行実行しながら、同期on-policyのセマンティクスを維持する。CUDA VMMでフェーズをまたぐメモリを管理し、テンソル並列度が異なる学習プロセスと推論プロセス間で互換性のある重みを共有する。
最新模型

sMuon、MuonをLoRAで表現可能な部分空間に射影し、ReLoRAでRiemannionと同等の損失を達成しつつ約30％高速化

sMuonは、完全な重み行列に対する直交化方向を、LoRA因子で表現可能な低ランク空間へ射影したうえで、純粋な行列乗算によって更新を計算する。ReLoRA実験ではRiemannionと同じ最低検証損失を達成した一方、複数モデルのファインチューニング結果は、基盤モデルの事前学習に用いられたオプティマイザに大きく依存した。
代理工具

ScienceFlow、実行可能なワークスペースをエージェントの記憶に統合し、75問のMLE-benchでAny-Medal率70.22%を達成

ScienceFlowは会話の要約を保存するだけでなく、コード、検証エビデンス、リソース記録、ワークスペースのスナップショットを、復元可能なStageとしてパッケージ化する。公式報告では、MLE-bench全75問でAny-Medal率70.22%を達成したが、システム間の比較は依然としてモデル、ハードウェア、時間予算の違いに左右される。