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

GitHub Spark、新規アプリの作成を停止。llm()を使用する既存プロジェクトは推論サービスの切り替えが必要

GitHubは、Sparkへの新規ユーザー登録と新規アプリの作成を停止した。既存ユーザーがコードをエクスポートできるのは8月31日まで。デプロイ済みのWebサイトは引き続き稼働するが、GitHub Modelsに依存するllm()呼び出しはすでに機能しておらず、開発者は外部モデルを接続し、API keyと請求の管理を引き継ぐ必要がある。
AI 安全

科学的推論ベンチマークで「答えは正しいが、方法は誤り」——HLEでのショートカット解答率は37.4%

新たな研究により、モデルが数式の推測、列挙、あるいは答えを先に推測してから検証するといったショートカットを用い、問題で求められた導出を完了しないまま正解を得る場合があることが分かった。研究チームは、最終回答だけを照合すると最先端モデルの科学的推論能力を過大評価する可能性があると指摘する一方、自動監査器自体にも分類誤差が残るとしている。
最新模型

Faster-WAM、ロボットのアクションヘッドを1層に縮小し、制御推論レイテンシを66.5ミリ秒に短縮

Faster-WAMは、30層の動画Transformerに1層のアクションヘッドを接続し、層横断KV融合によって世界モデルの表現を取得することで、アクションブランチがバックボーン全体の深さを複製する必要をなくした。研究ではFast-WAM比で3.2倍の高速化が報告されているが、新アーキテクチャのコードと重みはまだ公開されておらず、結果も主にシミュレーションベンチマークに基づいている。
代理工具

Iris、修訂可能な知識状態でML実験を駆動し、MLE-Benchの12時間設定でメダル獲得率64.9%を達成

Irisは、候補解のツリーに沿ってコードを繰り返し修正するだけではない。まず重要な未知事項を調査し、実験をまたぐ証拠を、追加・更新・撤回可能な主張として整理する。論文によると、完全版MLE-Benchにおいて、直接比較対象の半分の時間でより高いメダル獲得率を達成した。ただし、システムのソースコードと完全な実行トレースはまだ公開されていない。
推論系統

xPress、拡散型ドラフトに因果関係を復元し、Qwen3-8Bのデコードスループットを平均約1.3倍に向上

xPressは、ブロック拡散ドラフトとターゲットLLMの間に1回の並列因果リファインメントを追加し、「各トークンは妥当だが、シーケンス全体としては不自然」であることによる早期棄却を抑える。研究報告によると、ドラフトの平均受理長は約30％増加したが、現時点では独立検証が可能な公開実装はない。
代理工具

HALT、エビデンス網羅率に基づいてRAGエージェントの停止タイミングを決定、検索ループを最大45%削減

HALTは、検索が完了したかどうかを生成モデルの確信度で判断するのではなく、マルチホップ問題に必要な各主張がエビデンスによって裏付けられているかを個別に検証する。凍結済みの検索エージェントに外付けできるが、実際の削減幅は、正確な中間主張を事前に生成できるかどうかに大きく左右される。
代理工具

AgentTrajectorySentinel、マイクロ秒単位の時系列監視でエージェントの暴走を阻止、実験でタスク成功率が52％から73％に向上

新たな研究では、別のLLMにエージェントの各ステップを審査させる代わりに、ツール操作、レイテンシー、出力、token確率などのテレメトリーから軌跡の逸脱を検出する。システムのコストは1ステップ当たり約200マイクロ秒だが、導入環境ごとに正常な軌跡を用いた再キャリブレーションが必要となる。
GitHub Repo

PosterMELD、編集可能な論文ポスター生成エージェント・パイプラインを公開——レイアウト容量を先に制約してコンテンツを生成

PosterMELDは、論文解析、コンテンツ圧縮、レイアウト、品質修復をマルチエージェント・ワークフローに分割し、ネイティブのPowerPoint要素を保持したまま出力する。チームの自己評価では印刷準備完了率が81.3％に達したが、品質評価モデル、APIコスト、ベースライン設定については、なお外部検証が必要だ。
硬體

Inflect v2、超小型ローカルTTSパッケージを更新—4Mパラメータモデルで音声を独自調整しONNXへエクスポート可能

Inflect-Nano-v2は、テキストから波形までを生成する完全なモデルを397万パラメータに抑え、最近の更新で実行可能な単一話者向け調整フローを追加した。オフラインおよびエッジ環境の音声インターフェースに適しているが、訓練データ、多言語での性能、品質比較については、依然として独立した検証が不足している。
代理工具

Copilot Automationsにコメントトリガーが追加、書き込み権限を持つユーザーがIssueやPRからエージェントを起動可能に

GitHub Copilot cloud agentの自動化が、IssueとPull Requestのコメントを監視し、指定したテキストに応じてドキュメント更新やエラー調査などのタスクを開始できるようになった。議論からエージェント実行までの経路が短縮される一方、非公開の自動化設定、コメント入力、利用可能なツールが、新たな権限およびプロンプトインジェクションの境界を形成する。
代理工具

GitHub Copilotのクラウドエージェントで推論強度を選択可能に、複雑なタスクではAI Creditsを追加消費して推論を深化

GitHubは、開発者がCopilot cloud agentのタスクを開始する際に、モデルと推論強度を同時に指定できるようにした。推論強度を高めることで、複数ファイルにまたがるデバッグやアーキテクチャ分析が改善する可能性がある一方、tokenとAI Creditsの消費量は増えるため、チームはコストと品質の基準を改めて構築する必要がある。