代理工具
AI科学者の先行評価にレースカーとデッキを活用、GPT-5.2の166件のアイデアで実際のイノベーションに合致したのは10件
新たな評価手法では、まずモデルのアイデアを封印し、その後に登場するシーズン中の技術やプロ大会のデッキを遅延正解として使用することで、過去を振り返るベンチマークに伴うデータ汚染の懸念を軽減した。結果から、モデルにはもっともらしいアイデアが不足しているのではなく、真に有用な新規性を選別・組み合わせ・識別する能力がボトルネックであることが示された。
Archive
硬體
AI 晶片、GPU、資料中心、邊緣裝置與硬體安全。
代理工具
硬體
SAT-Edge-Agent、衛星エッジエージェントを実機検証――物体検出はエンドツーエンド遅延の約2.5%にすぎず
SAT-Edge-Agentは、市販のARMヘテロジニアスSoC上でローカル言語サービスと回転物体検出器を連携させ、固定ワークロード40回をすべて完了した。実測では、主な遅延要因は視覚モデルではなく、エージェントのオーケストレーションと言語サービスにあることが示された。一方、この研究では検出精度、消費電力、飛行時の信頼性は評価されていない。
代理工具
TARL、エージェントのメモリ更新を5種類のトランザクションに分解し、次状態の正解率を66.21％に向上
TARLは、エージェントのメモリを「書き込むか保持するか」という二分法で管理せず、追加、無視、修正、競合による拒否、検証の延期を明確に区別する。著者らの実験ではメモリ汚染率が25.24％に低下したが、現時点でモデルとデータは論文の補足資料としてのみ提供されている。
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。
AI 基礎設施
AtumAI、データセンター制御戦略を検索可能な仕様へコンパイルし、3種類のタスクすべてで人手によるベースラインを上回る
AtumAIは、自然言語の要件を、目的、ハード制約、決定変数、評価方法を含む中間表現へ変換し、拡散モデル、進化的アルゴリズム、サロゲートモデルを組み合わせて戦略を探索する。研究ではワークロード配置、リソーススケーリング、電力管理での改善が報告されたが、結果はシミュレーターによるものであり、本番環境のコントロールプレーンを安全に引き継げることはまだ実証されていない。
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。
最新模型
MiniMax H3、動画・音声生成モデルの重みを公開。ComfyUIも実行可能なワークフローを同時提供
MiniMaxはH3動画モデルの重みを公開し、開発者が同期音声を含むImage-to-Video生成をローカルで実行できるようにした。ComfyUIには公式ワークフローが追加されたが、コンシューマー向けGPUでの検証は枝刈りやINT8派生ファイルに大きく依存しており、元の重みの品質を完全に再現したものとは見なせない。
GitHub Repo
Open Secure AI Allianceが発足、NVIDIAはNOOAでエージェントのテスト、トレーシング、監査ツールを推進
NVIDIA、Linux Foundation、Hugging Face、Microsoftなどの組織がOpen Secure AI Allianceを設立し、オープンなモデルとツールを用いてエージェントおよびAIソフトウェアの脆弱性に対処する。初期の具体的な取り組みにはNVIDIAのNOOAフレームワークが含まれるが、共通仕様、ガバナンスプロセス、提供スケジュールはまだ発表されていない。
推論系統
Fast Gemma検証版が毎秒510トークンを突破、単一A10Gでスライディングウィンドウ注意機構とMTPを組み合わせ高速化
VIDRAFTは、Fast Gemma Challengeで検証済みの最高性能構成を公開した。Gemma 4 E4Bは単一のNVIDIA A10G上で510.58 tokens/sを達成し、perplexityを2.3930に維持した。複数の推論最適化を組み合わせた成果だが、テスト条件は単一ストリーム、固定ハードウェア、非公開プロンプトセットであり、そのまま本番環境のスループットと同一視することはできない。
硬體
NERCの「Computational Load」Level 3報告期限が到来、AIデータセンターに動的モデルと故障波形記録を要求
North American Electric Reliability Corporation（NERC）は、送電計画・系統運用部門に対し、8月3日までにモデル、安定度解析、試運転、動的波形記録を含む7項目のComputational Load対策について報告するよう求めている。これは一般的なエネルギー政策の表明ではなく、AIデータセンターで発生する秒単位の負荷遮断や電力振動を電力系統のエンジニアリングモデルに組み込むことを求めるものだ。
AI 基礎設施
Etched、低電圧演算とクラスター共有メモリでGPUに挑むラックスケール推論アーキテクチャを公開
Etchedの初期N4P推論チップがラック検証段階に入り、低電圧演算アレイとクラスター規模のメモリによって、それぞれスループットとレイテンシのボトルネックに対処する。同社は、疎なMoEでピークFLOPsの80％超を維持できるとしているが、再現可能なモデル、消費電力、エンドツーエンド性能のデータはまだ公開していない。