全ニュース

再帰モデルの推論を512ステップに延長、数独の累積正解率が向上

同じ重みのまま計算を延長した研究で、当初は解けなかった問題の一部が後に解けることが確認された。結果は停止条件の研究に手がかりを与えるが、実サービスでの費用対効果はまだ実証されていない。

GPU トポロジー研究でメモリ配置を調整、H200 のデコードスループットが実測で 14.3% 向上

演算ユニットの位置とメモリパーティションを推論構成に組み込み、特定の Qwen3-8B ワークロードでデコードスループットを改善。プロトタイプにはドライバの変更が必要で、コード公開と異なる環境での再現検証が待たれる。

エージェントの自己修正研究に外部検証を導入、ルール更新に伴うリグレッションのリスクが明らかに

一部の修正ルールが、当初の失敗を改善する一方で、すでに成功していたケースを損なうことが確認された。公開実装は再検証の手段を提供するが、役割分担は論文の記述と異なり、効果とコストはバージョンごとに照合する必要がある。

Graphify 0.9.66、ハッシュシードを固定してコードグラフの再構築結果のばらつきを低減

新版ではグラフ処理パイプラインのハッシュシードを固定し、直接抽出した関係を推論結果より優先する。修正は再構築時の差分比較に役立つが、モデルが生成する内容の再現性やバージョン間の一貫性は別途検証が必要だ。

OpenHands 1.22.0、クラウドのMCP設定上書きを修正し、リモート接続チェックを追加

新バージョンでは、単一のMCPサーバーを追加・編集した際に、保存済みの他の設定が意図せず削除される問題を防ぐ。リモート接続チェックもクラウドバックエンドに接続されたが、同時書き込みやツール実行の全工程は引き続き検証が必要だ。

AISI、推論計算量の評価をEvaluation Cardsに統合、レポート間の比較に向け設定を公開

AISIとEvalEvalは、既存研究の結果と設定を共通形式で整理した。対象は主実験の5つのベンチマークと関連するサイバーセキュリティ評価。予算やフィードバック条件の確認に役立つが、形式の検証は独立した再現実験を意味しない。

AI 安全

DUMA-Bench、ユーザーとの対話をテストに導入　論文とリポジトリのスコアはなお不一致

新たなベンチマークは、変化する環境と複数ターンの対話を通じて、エージェントの操作や応答が安全規則に違反していないかを検証する。論文では対話モードで違反が増える傾向が観測されたが、公開結果には数値の食い違いがあり、再現時にはバージョンの照合が必要だ。

vLLM 0.30.0、GPU常駐の重みキャッシュを導入　エンジン再起動後も再利用可能に

Fast StartはCUDA IPCを通じて処理済みの重みを再利用し、エンジン再起動時のディスクからの読み込みを削減する。ゼロコピーモードはsleep modeと互換性がなく、導入時には並列構成やキャッシュ利用失敗時のフォールバック動作も検証する必要がある。

FirecrawlがAlexandriaを公開、ツール探索はデフォルトで簡潔な説明を返す仕様に

新版はウェブ、専用インデックス、データプロバイダーをエージェントの共通データ取得フローに統合する。検索時に返すツール情報はデフォルトで簡略化され、クライアントは実行前にパラメータ、費用、アクセス条件を別途確認する必要がある。

AI 安全

ZCodeがソースコードとデータフローを公開、旧版のアップロード問題は過去の経緯の検証がなお必要

公開コードによると、現行のチェックポイントはローカルのGitとJSONで保存される。旧版のアップロードパイプラインの削除には公式記録と報告者による検証がある一方、過去のデータの行方については、さらなる証拠が必要だ。

vLLMで外部KVキャッシュの読み込み失敗によりエンジンが終了するとの報告、影響範囲は未確認

ハイブリッドアテンションモデルを使った開発版で、単一リクエストの失敗後にスケジューラでも致命的なアサーションエラーが発生したと報告された。公式の失敗処理ポリシーでは影響をリクエスト単位にとどめる想定だが、現時点で公開された修正や複数環境での検証結果はない。

Claude Opus 5.5がトークン単価を引き下げ、エージェントAPIに複数の非互換変更

新版では入力、出力、キャッシュ読み取りの料金が下がり、適応型思考が常時有効になる。ツール呼び出しの強制、過去のメッセージの変更、ストリーミングでの進捗表示はいずれも再検証が必要だ。