SURL AI News
繁中English日本語

Archive

最新模型

新模型、開放權重、多模態、語音、影像與模型架構。

最新模型

視覚エンコーダーだけを逆伝播させてVLMを攻撃、H100での生成時間を20分超から約100秒に短縮

新たな研究では、マルチモーダルモデル全体を逆伝播させることなく、入力画像のみを調整し、視覚エンコーダーの表現を元画像から乖離させるか、指定したターゲットに近づける。4つのオープンVLMすべてで非標的型攻撃の成功率が93%を超えたが、評価は単一のLLMジャッジに依存しており、ブラックボックスでの転移性能はまだ検証されていない。
最新模型

循環推論で複数ツールの組み合わせを改善、1B LlamaのBFCL平均スコアが21.4から32.9に上昇

同じTransformer層を再利用し、各tokenを生成する前に隠れ状態を反復更新する手法を研究。同一のデータとLoRA設定で循環モデルと通常モデルを比較したところ、改善は並列呼び出しと呼び出し間の依存関係に集中した。一方、単一のAPI呼び出しが中心のAPI-Bankでは、一貫した優位性は見られなかった。
AI 安全

VLAがエージェントの隠れ状態通信を監視、同一モデルによるオークション試験でAUROC 0.993

新たな研究では、エージェント間で受け渡されながら対話ログには記録されない連続ベクトルと、その後の公開行動を同一イベントに紐付け、異常検知、反実仮想的影響、スパース特徴の3層で検査する。平均0.993という結果には、テキストによる共謀と潜在状態による共謀の両方のサンプルが含まれ、攻撃も研究者が事前に設計したものであるため、自発的な密謀を検出する汎用能力とはまだ見なせない。
代理工具

FACET、実行環境を先に構築してからターミナルタスクを生成、9Bエージェントのスコアが8.24ポイント向上

FACETは、指示、コンテナ、参照解法、検証器を同一の実行状態に結び付け、7万1,000件を超えるエージェントスキルから6,078件の検証可能なタスクを合成した。わずか1,200件の成功軌跡でファインチューニングした結果、Qwen3.5-9BのTerminal-Bench 2.1スコアは27.34から35.58へ上昇した。
代理工具

1,338件のポストトレーニング軌跡が示す、AIエージェントが隣接実験で戦略を変更した割合はわずか2.1%

研究により、エージェントはモデルのトレーニング、デバッグ、評価を自律的に実行できる一方、最初のパラメータ更新前にトレーニング戦略を固定してしまうことが明らかになった。実験ログ、スキルライブラリ、評価エージェントを追加すると下流タスクのスコアは向上したが、証拠が不利な場合に手法を切り替えるようシステムを促すには至らなかった。
代理工具

意味保存変換でコーディングエージェントのコストが最大22.9%増、堅牢性ランキングはフレームワーク次第で逆転

同じ修正課題に制御フロー、識別子、デッドコードの書き換えを適用したところ、問題解決率は最大6.7ポイント低下した。モデルの堅牢性はmini-SWE agent、OpenCode、データセットの組み合わせによって入れ替わり、単一のモデルランキングではデプロイ時の性能を予測できない。
代理工具

ComponentBench、2,910件のWeb操作を要素単位で分析　同一エージェントでもインターフェース方式により34ポイント超の差

ComponentBenchは、完全なワークフローでエラーを覆い隠すのではなく、スライダー、日付ピッカー、データテーブル、ドラッグ＆ドロップなどのUIコンポーネントを個別にテストする。同一のタスクとフレームワークにおいて、GPT-5 miniの成功率はaccessibility tree使用時が83.1％、座標指定によるピクセル操作のみの場合が48.9％だった。
推論系統

MoEルーターでキャッシュミスを60%削減するも、パープレキシティ劣化1%の基準を満たせず

事前登録研究で、専門家の局所性をMoEルーターに直接学習させる試みが行われたが、キャッシュ性能の改善とモデル品質の間に明確なトレードオフがあることが判明した。学習済みルーティングと学習不要の再ルーティングを組み合わせることで、ミス率をさらに低減できるものの、それが同程度のエンドツーエンド高速化につながることはまだ実証されていない。
代理工具

SkillGate、スキル選択と実行のフィードバックを分離し、9Bエージェントの成功率を40.8%から53.2%へ向上

SkillGateは、長いワークフローを実行するエージェントを結果報酬で訓練すると、スキル選択に使われる少数のtokenには有効な信用割当がほとんど届かないことを明らかにした。新手法は、同一のGRPO更新内で2つの勾配経路を分離し、5つのエージェント評価で結果報酬ベースラインを上回った。
代理工具

LLM審判者がまず判定し、その後に検索または棄権――較正済みしきい値で誤判定率を制御

新たなフレームワークは予測エントロピーに基づき、LLM審判者が判定をそのまま採用するか、Web上の証拠を検索するか、棄権するかを決定し、Clopper–Pearson上限を用いて2つのしきい値を較正する。オープンドメイン質問応答の32通りの実験設定すべてで指定された誤り率を維持したが、この保証は同一分布の較正データと信頼できるラベルに依存する。