CONTACT →
Daily AI Briefing
毎日のようにAI関連のニュースが届きますが、その多くは一次情報ではなく、ノイズも少なくありません。研究機関・開発企業・第一線の専門家による発信の中から、本当に押さえておきたい情報だけを厳選してお届けします。
Andrej Karpathy が、言語モデルの出力を読み解くことに今後もっと時間を使うようになる、という前提でのコツをいくつか共有。書かせ方について彼自身がうまくいった例として、ASD-STE100（もともと航空機の技術文書向けに作られた制限言語の仕様）で説明させる、という手を挙げています。
出力形式の指定を「読みやすくして」ではなく既存の規格名で与える、という発想です。曖昧な指示より、モデルが知っている仕様を名指しするほうが安定しやすい、という実用的なテクニックとして試せます。
Karpathy が紹介した評価実験。LLM にテキストで緯度と経度を与えて「Land or Water?」と尋ねるだけ、それを16,200回繰り返して画像としてプロットする、というもの。結果としてモデルは分かっている（地図が現れる）。インターネットを圧縮した結果だ、としています。
テキストだけで学習したモデルが空間的な知識をどこまで内部に持っているかを、極端に単純な問いで可視化した例です。評価を作るときの発想として、問いを単純化して大量に回し、結果を画像で見るという手法自体が参考になります。
Claude の出力の中から、ユーザーが見落としそうな重要な情報をスキャンして知らせるプラグイン。/plugin enable cc-plugin-you-should-know@builtin で有効化します。仕組みとしては、サイドエージェントを立ち上げて Claude の出力を観察させる mod として動くとのことです。
エージェントの長い出力を人間が全部読まない前提で、重要箇所だけを別のエージェントに拾わせる設計です。前日に発表された mod の仕組みが、まず「可観測性」の方向に使われているのが分かります。
Nathan Lambert が、フロンティアAIのオープンサイエンスを推進する新しい非営利組織 Trillium Labs を公表。オープンなポストトレーニングのレシピを作り、さらにオープンなインフラへと広げて、RSI（再帰的自己改善）・報酬ハッキング・マルチエージェントシステムなどを研究していくとしています。
モデルの重みだけでなく「ポストトレーニングの手順」が公開される流れが続くかどうかは、自前でのチューニングを検討する側にとって直接効いてきます。公開レシピの供給元が増える話として追う価値があります。
昨年発表されたムーンショット「Project Suncatcher」が実機の段階に。将来いつか機械学習インフラを宇宙でホストできるかを探る計画で、数年の研究を経て、Planet との提携で作ったプロトタイプ衛星を軌道に打ち上げたと報告しています。
電力と冷却という、データセンター拡張の実際のボトルネックに対する極端な解の一つです。すぐ使える話ではありませんが、計算資源の制約がどこまで真剣に扱われているかの温度感が伝わります。
数学・物理・化学の5つのコンペで金メダル級の成績を出したことを踏まえ、Meta はさらに難しい問いを立てたと説明。すなわち、既存の解法が存在しない、本当に未解決の問題に対してAIは貢献できるのか。ここ数カ月にわたって取り組んできた内容だとしています。
既知の答えに到達できる＝ベンチマークが解けることと、答えが存在しない問題に寄与できることは別の能力です。この線がどこまで動いたかは、研究用途でAIを使う判断に直結します。
The Batch の今週号で、Andrew Ng のレターがオープンウェイトモデル GLM-5.3 を取り上げ、脆弱性の悪用タスクで Claude Mythos にほぼ並んだ（12% 対 14%）と紹介。同号では Xiaomi の新しいオープンウェイト首位モデル、Gemini 3.8 Live、DeepSeek-V4.1-Flash、AREX エージェントにも触れています。
攻撃的な用途の能力でオープンウェイトが追いついてきたという数字は、守る側の前提を変えます。「危険な能力はAPI側で止められる」という想定が通りにくくなる方向の話として把握しておきたいところです。
PyTorch の新しいブログ記事。Meta の広告生成モデル GEM の裏側にある attention カーネル「Jagged Flash Attention（JFA）」を、NVIDIA Blackwell（B200）上で動かした取り組みの紹介です。実装には TLX（Triton Low-level Extensions）を使い、Triton の高レベルな記述の上にハードウェアを意識した明示的な制御を足しています。
可変長（jagged）な入力を扱う attention は、推薦・広告系のワークロードでは定番の悩みどころです。新世代GPUへの移植で何を手で書く必要があるのか、という実例として読めます。
Stanford の SALT-NLP から、人間とAIコーディングエージェントのやり取りを集めた「生きたデータセット」SWE-chat が公開。実際の開発者から集めた23万件のプロンプトが HuggingFace で利用できます。
「人がエージェントに実際どう頼んでいるか」の実データは、プロンプト設計やエージェントの失敗パターンを考えるうえで貴重です。自分たちの使い方が一般的なのかを照合する材料にもなります。
Hamel Husain が、なぜ Likert 尺度（1〜5の段階評価）ではなく二値（pass/fail）の評価を推奨するのかという質問に回答。二値のラベルは考えをはっきりさせ、ラベル付けの一貫性を高める。そして運用に乗せる際の複雑さが大幅に低い、という理由です。
評価設計で最初に迷うところに対する、実務寄りの明快な結論です。スコアの平均値を追うより、何を落とすかを決める問いに変えたほうが運用が回る、という指摘として受け取れます。
こうした動きを、自社の業務にどう活かせばいいか ―
迷ったときに相談できる窓口があります。