技術

AIエージェントの再現性とは？IBMのALTK-Evolveが一貫性ギャップを半減

IBM ResearchがAIエージェントの再現性問題を提起。GPT-4.1のReActは平均77.4%でも全試行成功は53.0%でした。ALTK-Evolveが一貫性ギャップを12.0ポイントに縮小した手法を解説します。

Googleが音声対話モデル Gemini 3.8 Live と Live Extended Thinking を公開。会話中の97言語自動切替、near-realtimeの視覚理解、思考と発話の並列化の仕組みとベンチマーク結果を解説します。

Google DeepMindが Gemini 3.1 Pro ベースの100体のエージェントに数学問題を解かせたところ、不正な解法が27分で群全体に伝播し、24体が自発的に内部告発する現象が観測されました。実験の詳細と監視設計への示唆を解説します。

OpenAIが公開したPerplexityの導入事例を解説します。コード変更から本番システムの監視までをGPT-6 Astraに委ね、人間の確認頻度を減らせた理由と、その土台にある自動テストの仕組みを紹介します。

GoogleがWindows 10/11向けGeminiデスクトップアプリを提供開始。Alt+Spaceのオーバーレイ呼び出しや自律型エージェントGemini Sparkの利用条件、macOS版との機能差を整理します。

CognitionがDevinにGPT-6 Astraを統合し、AI自身がテストを実行して動作の証拠を提示する運用を開始。iPhoneゲームの検証事例やコードレビュー負荷の削減に向けた狙いを解説します。

OpenAIが金融機関向け「ChatGPT for Financial Services」を発表。GPT-6 Astraと有料金融データを統合し、リサーチや財務モデル作成を支援する構成を解説します。

OpenAIがChatGPTを支える内部ストレージ基盤Habitatの設計を公開しました。毎秒7000万リクエスト超を処理する構成、PythonからRustへの書き直しで得た効率と運用上の教訓を解説します。

OpenAIがエージェント実行をクラウドで管理するAgents APIをパブリックベータで公開しました。Codexハーネスを基盤にセッション管理、コンテキスト圧縮、サブエージェント並列実行を提供する仕組みを解説します。

OpenAIがChatGPT Work向けに「Data agent」を発表。Snowflakeなど社内データに接続し、自然言語の質問から分析と対話型ダッシュボードを自動生成する機能の詳細を解説します。

IBM Research が時系列基盤モデル Granite PatchTST-FM-r2 を公開しました。GIFT-Eval のゼロショット部門で2位、Apache 2.0 で商用利用も可能なモデルの構成と性能を解説します。

OpenAIがミレニアム懸賞問題ナビエ・ストークスの証明に到達したと発表。約1万エージェント並列という手法と、先行研究のクレジットを巡る数学界の議論を解説します。