Archive
技術ニュース 1523 件
AI 安全
OpenShift AI 3.5は、Developer PreviewとしてOpenShellを統合し、Landlock、seccomp、ネットワーク名前空間、L4／L7ポリシーを利用してエージェントのアクセスを制限する。これにより、プロンプトインジェクション後に生じるファイル、システムコール、ネットワーク上の副作用への対処がモデルのガードレールだけに依存しなくなる一方、デフォルトの互換モードとプレビュー段階であることに起因するギャップは残る可能性がある。
GitHub Repo
OpenBMBは、13万1,000 tokenのコンテキストとツール呼び出し機能を備えた2Bのdense modelを公開し、段階別のweights、学習データ、複数の量子化形式も同時に開放した。第三者評価では同規模モデルに対する競争力が評価された一方、コミュニティのテストでは、公式のサンプリング設定によりGGUF量子化版が反復生成に陥る可能性が指摘されている。
Applied AI research
新たに公開された実行可能なワークフローは、ERA5の初期条件を直接ストリーミングし、Auroraによる予報の生成とバックテストをローカル環境または分単位課金のジョブ上で可能にする。新モデルを発表したわけではなく、その技術的価値は、重み、気象配列、静的変数、検証手順を再現可能なパイプラインとして接続した点にある。
代理工具
新バージョンでは、対応モデルが system prompt の動的更新後も KV cache を継続利用できるため、長時間セッションの再計算コストが削減される。その代わり、Session V3、Agent、Inbox API に後方互換性のない変更が同時に加わり、プラグインや自製ログツールは再検証が必要になる。
最新模型
新たな研究は、安全ポリシーをトピック内の細粒度な拒否境界としてモデル化し、対になったプロンプトと補完データを用いることで、モデルがセンシティブなトピック全体を遮断するのを防ぐ。Qwen3-8Bを用いた実験では、境界付近の誤拒否を大幅に削減できたが、結果は依然として政治的説得、単一の主要モデル、完全には公開されていないデータパイプラインに限定されている。
硬體
YOLO26では、`quantize=8`による量子化認識学習が利用可能になった。量子化範囲をチェックポイントに保存し、Q/DQノードを含むONNXまたはTensorRTエンジンを直接出力できる。続いて公開された8.4.144では、量子化効果に関する説明と数値安定性の修正が追加される一方、このデプロイ経路には依然として明確な制約があることも浮き彫りになった。
代理工具
2つの連続リリースで、直接利用できる画像生成APIに加え、ChatGPT／CodexサブスクリプションおよびGitHub CopilotのOpenAI互換エンドポイントに対応するproviderを追加した。2.42では形式が不正なDeferred Tool承認結果も拒否するため、アップグレードにより、従来は緩やかに受け入れられていたAgentワークフローが即座に失敗する可能性がある。
最新模型
PatchTST-FM-r2は、畳み込みで補完したAttention、8,192ステップのコンテキスト、確率的予測を採用し、ファインチューニング不要の汎用時系列予測を目指す。GIFT-Evalの再現可能なゼロショット部門で2位に入ったが、結果は依然としてIBMによる提出値であり、ベンチマークプロジェクトへのマージによる確認を待っている。
RAG 與資訊檢索
Perplexityが提案したQ2D-Webは、実際の対話から派生した約7万件の機械生成クエリを用い、第一段階の検索器がWeb規模のコーパスから根拠を取得できるかを評価する。実験では、ニューラル検索器は総じて、エージェントが自ら生成した補助クエリを苦手とすることが示された。また、コーパスを縮小しても順位は維持される一方、絶対スコアは押し上げられる。
推論系統
vLLM 0.29.0では、Model Runner V2へのデフォルト切り替えが完了し、speculative decoding、強化学習向けの重み同期、各種ハードウェアバックエンドも拡充された。これはイメージをそのまま差し替えられるような小規模アップデートではなく、既存環境ではメモリ構成、出力の一貫性、削除されたインターフェースを改めて検証する必要がある。
向量資料庫與檢索
Milvus 3.0.1では、コレクションのスナップショットと非同期リストアをREST v2経由で管理できるようになり、weighted RRF、L1 reranking、TEXTフィールドの処理もサーバー側へ移された。さらに重要なのは、ストリーミング削除、WAL移行、コンパクション、認可経路における整合性とセキュリティの問題が集中的に修正されたことだ。
最新模型
NeoHorse-1はルーターを通じて、異なるモデルがエージェントタスクを完遂した際の軌跡を収集し、カリキュラム型SFTとオンライン蒸留によって4B・9Bモデルを訓練する。公式の総合スコアは同規模のQwen3.5ベースラインを上回ったが、複数ラウンドの自己更新で継続的な改善を実現できることや、データ分布のシフトを回避できることはまだ証明されていない。