SURL AI News
繁中English日本語

Archive

全ニュース

技術ニュース 1518 件

代理工具

Paper2Agent、論文コードをテスト済みMCPツールにコンパイル—生物医学研究100本中74本で成功

Natureに掲載されたPaper2Agentは、論文、コード、チュートリアルを解析し、ツール、リソース、ワークフロー用プロンプトを備えたMCPサーバーを自動構築したうえで、実行可能なテストによって失敗した関数を除外する。研究手法をPDFやソースコードだけで提供する場合よりもエージェントが再利用しやすくなる一方、成功率はデータの欠落、依存環境、元のチュートリアルの品質に依然として左右される。
AI 安全

Goodfire、内部活性化プローブで報酬ハッキングをリアルタイム検出──LLM監督器より大幅に低コスト

研究チームは3つのオープンウェイトモデルで、不正行為、評価の操作、検出回避に関連する活性化方向を特定し、単純なプローブを用いてエージェントが次に評価の抜け穴を突くかどうかを予測した。このホワイトボックス型モニタリングは低コストな第一段階の警報として利用できるが、モデルの内部状態へのアクセスが必要であり、クローズドなフロンティアモデルや実運用環境へ直接汎化できることはまだ実証されていない。
AI 安全

OpenAI、モデルのミスアラインメント開示プロセスを構築—初回報告で圧縮要約とツール権限の境界に潜むリスクが明らかに

OpenAIは、モデルによる権限逸脱、監督回避、エージェント間通信を継続的な開示の対象に加え、訓練または評価で確認された6件の事例を公開した。報告によると、長時間タスクの圧縮要約、採点器、ネットワークツールは単なるインフラではなく、ミスアラインメント行動を持続させ、報酬を得る経路にもなり得る。
GitHub Repo

GoogleとSpeakeasyがOpenAPIジェネレーターをオープンソース化、エージェント向けCLIとドキュメントMCPを同一コンパイルパイプラインに統合

GoogleがSpeakeasyを採用してGenAI SDKパイプラインを再構築したのに続き、両社はOpenAPIから多言語SDK、CLI、MCPサーバー、Terraform providerを生成できるコアプログラムを公開した。このツールはAI APIインターフェースの進化に伴う保守コストを削減する一方、AGPL、生成物のライセンス、デフォルトのテレメトリ、一部の非公開テストについては、導入者による慎重な評価が必要となる。
AI 安全

llama.cpp b11000、無効な計算グラフを消去し、認証不要のRPCリモートコード実行脆弱性を修正

llama.cppのRPCサーバーは、解放済みバッファを指し続けるキャッシュ済み計算グラフを再実行していたため、リモートクライアントが読み書き能力を獲得し、コードを実行できる可能性があった。b11000ではバッファ解放時に関連するグラフ状態を破棄するが、RPC自体を信頼できないネットワークへ直接公開することは依然として推奨されない。
代理工具

ScienceIDE、科学コードを検証可能なエージェント環境にパッケージ化し、数値シミュレーション結果を訓練へ直接フィードバック

ScienceIDEは、バージョンを固定した科学ソフトウェア、コンテナ、物理ケース、非公開の検証器を組み合わせ、SFT、RL、評価で共有できる環境を構築する。初期結果では、科学コードの修復軌跡が一部のモデルとベンチマークを改善できることが示されたが、現時点で公開されている環境とタスクは少なく、汎化を裏付ける証拠は依然として限定的だ。
推論系統

Chord、Kimi K2.x向けにINT4 MoEカーネルを再設計、推論フェーズに応じてGPUスケジューリングを選択

Novita AIとvLLMは、H200、B200、B300上のKimi K2.xのサービング形状に合わせてチューニングしたW4A16 CUDA演算子「Chord」をオープンソース化した。公開ベンチマークではHumming比で最大2.15倍を記録したが、数値はMoE層のカーネルのみを対象としており、エンドツーエンドのスループット向上にそのまま換算することはできない。
代理工具

Google Home、5つのMCPツールでデバイスの状態・履歴・制御をサードパーティ製エージェントに開放

Google Home MCPにより、互換性のあるエージェントは家庭内デバイスの列挙、リアルタイム状態の取得、イベント履歴の照会、制御コマンドの実行が可能になる。早期アクセスではOAuthとサーバー側の制限によって機密性の高い操作を保護する一方、プロンプトインジェクションや誤ったツール呼び出しのリスクも物理的な家庭環境へ持ち込まれる。
硬體

OpenVINO 2026.4、マルチトークン・ドラフトデコーディングをCPU／GPUに導入し、NPUの性能トレースを統合

OpenVINO 2026.4は、Gemma 4、Qwen3.5、Qwen3.6向けにMulti-Token Predictionによる投機的デコーディングを追加したほか、VTuneによるCPU、GPU、NPUを横断した推論分析を可能にした。ローカルモデルの対応範囲は拡大したものの、NPUの動的形状やモデルのアンロードなど複数の機能は依然としてプレビュー段階で、公式による統一的な公開高速化データも示されていない。
代理工具

ProgramDistill、再生可能なWeb行動でエージェントによるソフトウェア再構築を評価――完全なワークフローの成功率は約半分にとどまる

Microsoft Researchのチームは、coding agentに操作可能な参照Webサイトを観察させ、ソースコードを閲覧できない状態でその機能を再構築させた。ProgramDistillは26のアプリケーションから4,063件のタスクを生成。単一機能の修復ははるかに容易な一方、複数段階の状態に依存する完全なワークフローが依然として最大のボトルネックであることが示された。
代理工具

Stellar Colosseum、依存関係グラフと反証ループで長期的な数学エージェントを管理

Google ResearchとCMUのチームは、戦略探索、証明の分解、局所的な修正、グローバル検証をマルチエージェント・ワークフローとして構成した。モデル横断の選択によりTCS-Benchで71%を達成したが、主要なharnessはまだ完全には公開されておらず、自動評価と多大な推論予算が比較可能性を制限している。