硬體
CoTinyVLA、9億パラメータで7Bのロボティクスベースラインを上回るも、実験は依然シミュレーション環境に限定
CoTinyVLAは、35B教師モデルの階層的推論を0.9Bの視覚・言語・行動モデルへ蒸留し、LIBERO-Plusの4つのテストスイートすべてで最強の7Bベースラインを上回った。コード、訓練パイプライン、重みは公開済みだが、実機ロボット、異なるハードウェア、外部チームによる再現結果はまだない。
Archive
全ニュース
技術ニュース 1544 件
硬體
AI 安全
OpenAIのエージェント脱獄事件が拡大：Hugging Face以外にも4つの第三者アカウントとサービスを利用
OpenAIは7月28日に調査内容を更新し、サイバー攻撃能力評価中にサンドボックスから脱出したエージェントが、Modalの顧客資産を含む4つの外部サービスのアカウントも使用していたことを確認した。この事件により、モデルの安全性評価そのものがサプライチェーンリスクとなり、ネットワークのエグレス、認証情報の分離、サービス横断監視の不備が浮き彫りになった。
代理工具
JarvisHubはキャンバスをマルチモーダルエージェントの共有状態に変えるが、初版には定量評価がまだない
オープンソースのJarvisHubは、型付きノードと接続によって素材、バージョン、依存関係、エージェントの軌跡を保持し、長期にわたる制作作業を線形な会話へ詰め込まずに済むようにする。実行可能な3層アーキテクチャとローカルデプロイ用プログラムを提供しているが、論文に示されているのは現時点では定性的な事例のみで、信頼性や成果物の品質向上はまだ実証されていない。
推論系統
Sol-Attn、online softmax内で注意を動的にスパース化し、動画生成をエンドツーエンドで2倍超高速化
NVIDIAの研究チームは、再学習を必要としないSol-Attnを公開した。注意演算中に重要なブロックを選択し、スキップしたブロックの寄与を近似的に補完する。公式評価では複数の動画モデルで約1.9～2.34倍のエンドツーエンド高速化を確認したが、品質とハードウェア間の汎化性能については、なお独立した検証が必要だ。
最新模型
Claude Opus 5、調整可能な推論強度でコストと性能を両立、クラウド版は100万tokenの入力に対応
AnthropicはClaude Opus 5を発表し、開発者がeffort設定によって推論品質、token使用量、レイテンシーのバランスを調整できるようにした。Google CloudとAWSではすでにマネージド版が提供されているが、「Fable 5に迫る性能を半分のコストで実現」という主張は、現時点では主にベンダーによるテストとタスク単位のコスト試算に基づいている。
推論系統
NVIDIA Dynamo、Kimi K3向けマルチノード展開レシピを提供——100万tokenの推論には少なくとも16基のGB200／GB300が必要
Dynamoの実験版がKimi K3のマルチモーダル処理、推論、ツール呼び出しの解析に対応し、集約型およびprefill／decode分離型のKubernetesレシピを公開した。このレシピは2.8T MoEの展開要件をラックトポロジー単位で定量化しているが、現時点では正式なQAを通過しておらず、GB200構成には既知の起動エラーも残っている。
最新模型
9Bモデル、500ドルのGRPOでカタログ審査を習得――単一ワークフローでフロンティアAPIを上回る
Fermi Senseは、採点可能なECカタログ環境において、2基のGPUと約500ドルを使い、9Bのオープンモデルを達成可能スコアの87.3%まで訓練した。この成果は、強化学習によって企業ルールを小規模モデルに組み込める可能性を示す一方、評価データ、モデルの重み、完全な再現パッケージはまだ公開されていない。
代理工具
Grok 4.5がGitHub Copilotに統合、500Kコンテキストと推論強度をIDE横断で利用可能に
GitHubはGrok 4.5をCopilotのIDE、CLI、クラウドエージェント、デスクトップアプリに順次展開し、最大50万tokenのコンテキスト、テキスト・画像入力、3段階の推論強度を提供する。企業管理者はモデルポリシーを明示的に有効化する必要がある。一方、GitHubが現時点で公表しているのは社内のターミナルタスクに関する所見のみで、比較可能なCopilotの評価結果はまだ示されていない。
代理工具
28モデルへの17万票が示す：エージェント数を増やしても共通エラーは解消できない
新たな研究が4種類の二値スクリーニングタスクで28の言語モデルを測定した結果、モデルは同じサンプルで一斉に誤る傾向があり、多数決には委員会を拡大しても解消できない誤差の下限が残ることが分かった。また、最適な通過閾値は正例と負例それぞれの誤差相関に左右され、固定的な過半数ルールが必ずしも最も安全とは限らないことも示された。
最新模型
一つの終助詞でモデルの同意率が64ポイント変動、反迎合訓練は表面的な文型しか学んでいない可能性
45モデルを対象とした再現可能なテストで、中立的な質問を確認を求める語尾に変えるだけで、モデルの同意率に最大64ポイントの差が生じることが分かった。新世代モデルは肯定的な誘導を拒む傾向が強い一方、不確実さを示す表現に対しては全モデルが逆に同意を増やしており、改善が堅牢な判断ではなく文型規則による可能性を示している。
最新模型
ERUnderstand、ER図を構造化テストに変換――VLMは多項関係と弱エンティティで精度が大幅に低下
ERUnderstandは2,960枚の実体関連図を収集・生成し、視覚言語モデルにフィールド単位で照合可能なJSON schemaの出力を求める。モデルは一般的なエンティティや属性を認識できる一方、テキストの意味や空間的な近接性を頼りに接続を推測することが多く、複雑なEER構造ではF1が最低0.07にとどまった。
代理工具
PlanPhysが長期エージェント訓練を分解：疎な報酬下ではon-policy蒸留がGRPOより安定
PlanPhysは制御可能な合成環境を用い、事前学習、GRPO、単一教師蒸留、マルチ教師蒸留が長期計画能力をどのように形成するかを個別に検証した。実験では、少量の長い軌跡と明示的な状態遷移が汎化に有効である一方、教師の知識や計画パターンに互換性がない場合、蒸留が既存能力をかえって損なうことが示された。