最新模型
拡散型LLMの安全ニューロンはアーキテクチャをまたいで転移可能、プルーニングで拒否回避率が86.6%に上昇
新たな研究によると、自己回帰モデルを基に改造された拡散型LLMは、少数のニューロンに集中した安全機構も引き継いでいる可能性がある。研究者らはオープンな拡散モデルを使って攻撃プロンプトをオフライン生成したが、公開を約束している完全なコードはまだリリースされていない。
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
開發者平台
OpenAIが`gpt-5.2-chat-latest`を終了、移行はモデル名の置き換えだけでは不十分
OpenAIは8月10日にAPIの`gpt-5.2-chat-latest`を終了し、公式にはGPT‑5.5への移行を推奨している。今回廃止されるのはChatGPTの挙動に追随するエイリアスであり、エンジニアリングチームはプロンプト、ツール呼び出し、出力形式を改めて検証する必要がある。移行を同等なルーティングの切り替えと見なすことはできない。
推論系統
Laguna S 2.1 INT4とDFlashを組み合わせ、RTX 3090×4枚で200Kコンテキストと最大282.5 token/sを実測
コミュニティが再現可能なvLLMレシピを公開した。24GBのRTX 3090を4枚使用してLaguna S 2.1 INT4をデプロイし、精度を揃えたDFlashドラフトモデルによって190K-tokenの実リクエストを処理している。282.5 token/sは特定の設定におけるピーク値であり、持続スループットではない。低ビット量子化の品質と互換性も、依然としてcheckpointと実行エンジンに大きく左右される。
PTQ4SNN 同時量化權重與膜電位，事件分類僅損失 1 個百分點
PTQ4SNN 把脈衝神經網路長期保留的浮點膜電位納入後訓練量化，按通道配置 2、4 或 8 位元。論文在分類與語意分割上接近浮點模型，但硬體收益仍來自分析模型，且專用程式尚未公開。
代理工具
SkillProx、エージェントスキルを検証して再収束――Qwen3.6-27Bの表タスク精度が54.5%に向上
SkillProxは、モデルが提案したスキル変更をそのまま採用するのではなく、タスクを再実行し、性能が低下したバージョンをロールバックしたうえで、効用が負の知識ユニットを削除する。3種類のQwenモデルはいずれも表タスクで性能が向上したが、著者らが現時点で公開しているのは、コミットが2件しかない実質的に空のリポジトリだけだ。
RAG／文件理解
DocMemo、ベイズ的ページ記憶で長文書を再検索し、MMLongBenchで正解率71.3%を達成
DocMemoは、初回検索のtop-kページを最終結果とはみなさず、推論のフィードバックをページ関連度分布へ反映して再サンプリングする。3層のメモリは長文書QAの性能を向上させる一方、評価はGPT-4.1に依存しており、公開リポジトリも依然として非常に簡素だ。
AI 安全
OpenAI、GPT‑5.6‑Cyberを限定提供：高リスク要求の完遂率が1.5%から95%に上昇
OpenAIは、サイバー攻撃研究に対する回答拒否率を抑える専用モデルGPT‑5.6‑Cyberを、一般APIではなく審査制のDaybreak Redで提供する。同社はそのサイバー攻撃能力をHighと評価し、Criticalには達していないとしているが、完全版のsystem cardはまだ公開されていない。
最新模型
Meta、Muse Glimmer 30Bをオープン化：17GB量子化版とDFlashによりRTX 5090で233 token/sを達成
Muse Glimmerは、マルチモーダル入力、ツール呼び出し、失敗時の再試行を、コンシューマー向けハードウェアにデプロイ可能な30BのDenseモデルに統合した。Apache 2.0ライセンスの重みと公式GGUFはすでに公開されているが、性能および安全性の数値は現時点で主にMeta自身の評価に基づいている。
RAG 與金融 AI
FinRank、6,021件の紛らわしいパッセージで金融RAGを評価、7B埋め込みモデルのRecall@10はわずか44.8%
FinRankは、単に数値的に正しい回答を生成するだけでなく、企業、期間、開示文脈のすべてが正しい証拠をSEC文書から見つけるようシステムに要求する。データセットと評価コードは公開されているが、非商用ライセンスとアノテーション上の制約が採用方法に影響する。
代理工具
ResidencyRL、最長60ターンの模擬問診で臨床エージェントを訓練――敵対的ケースの診断率が88%に向上
Googleのチームは、模擬患者、文書作成ツール、多次元の臨床報酬を組み合わせ、Gemini 3.5 Flashにマルチターン強化学習を実施した。モデルは敵対的な問診で危険な兆候の見落としを減らしたが、訓練システムはオープンソース化されておらず、実患者を対象とする前向き検証も完了していない。
最新模型
Muonはgrokkingを加速した後も破綻する：9つの設定すべてで汎化崩壊が発生
新たな実験により、Transformerの隠れ層行列をMuonで訓練し、埋め込みと出力ヘッドをAdamWで更新すると、モデルはモジュラー演算をより速く学習する一方、解法を安定して維持できないことが判明した。いずれかのパラメータ群を凍結すると崩壊を防げることから、問題は表現と読み出しインターフェースの同時ドリフトに起因するとみられる。
代理工具
Shepherd v0.3.0はエージェントによる変更をレビュー可能な提案として保持するが、論文で示された自動フォーク監督はまだ完全には提供されていない
Shepherdはモデル呼び出し、ツール操作、ファイル変更を永続的な実行トレースとして記録し、変更がワークスペースに反映される前にユーザーが確認または破棄できるようにする。一方、最新のドキュメントでは、論文とプロジェクトのホームページで紹介されているmeta-agentによる委譲、実行中のフォーク、自動再試行インターフェースが、v0.3.0でそのまま利用できる機能ではないことも明記されている。