Archive
技術ニュース 1537 件
代理工具
SWE-Bench ProMaxは、29,782件の候補コミットから複数ファイルにまたがる170件のリファクタリングタスクを選定し、専門家が要件を書き直してテストを検証した。GPT‑5.2とOpenHandsの組み合わせが最高の解決率を記録したものの、実行軌跡からは、エージェントが周辺の呼び出し箇所や設定、テストファイルの変更を見落としがちであることが分かった。
推論系統
KVDiagnosisは長文コンテキストの総合スコアを比較するだけでなく、各圧縮設定についてFullCacheとのペアを作成し、エビデンスの保持、アテンション、確率のドリフトを追跡する。チームは実装監査により、結果が完全に一致していたPyramidKVの7,800組の記録も除外し、手法横断の評価がアダプターの不具合によって容易に汚染され得ることを浮き彫りにした。
AI 安全
SHEはエージェントの安全ハーネスをシステムプロンプト、ルールベース、安全メモリ、ツールポリシーに分解し、失敗軌跡に基づいて局所的に改訂する。Agent-SafetyBenchでは攻撃成功率と誤拒否率を同時に低減したが、実環境への導入では評価器のバイアスやルールの自己肥大化を防ぐ必要がある。
AI 安全
Anthropicによると、8月2日以降に提供されるClaudeモデルは、テキストに不可視のマーカーを埋め込み、対応する画像や文書には署名付きの来歴データを付与する。技術仕様と第三者向け検出ツールはまだ公開されておらず、現時点でこのマーカーを生成元の完全な証明とみなすことはできない。
最新模型
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。
開發者平台
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
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 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。
推論系統
CoBaはまず少数の回答候補を生成し、候補間の不一致度と検証スコアに応じて、追加サンプリングを行うか、より強力な検証器を有効にするかを決定する。5つの推論ベンチマークでマクロ平均正解率85.13%を達成したが、結果はオフラインの候補プールを用いたリプレイによるものであり、オンラインサービスでの実測ではない。
AI 安全
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。