AI MidTool、Qwen3のツール呼び出し精度を中間学習で強化
研究チームがMidToolという中間学習データ構築パイプラインを提案しました。実在するツールAPIやMCPのスキルを合成データに組み込み、Qwen3で学習した結果、BFCLなど3つのベンチマーク全てで性能が向上しています。
AI
AI 
AI Inherent、270億パラメータのFaradayが論文再現で首位
DeepMind出身者が創業した英AIラボInherentは、270億パラメータの小型オープンモデルで動くAIエージェントFaradayが、科学論文の再現実験でAnthropicとOpenAIのフロンティアモデルを上回ったと発表しました。
AI LLM自己改善、論文『Phantom Gains』が測定誤差指摘
Cheng Xu氏らの研究チームが、LLMエージェントの自己改善報告の多くを測定方法の欠陥による見かけの改善だと実証しました。未訓練モデルにも0.280の改善率が出る指標もあり、有効性が確認されたのは外部蒸留のみでした。
AI 生成AI利用で宿題18%上昇、試験は最大24%低下 2.7万人調査
中国の生徒27,000人を30ヶ月間追跡した調査で、生成AI利用は宿題の点数を18%押し上げる一方、試験の点数は最大24%下げることが分かりました。低下はAIを答えの近道として使った生徒に集中しています。
AI UberにGDPR制裁金8.25億ユーロ、AIがドライバー停止
オランダのデータ保護当局はUberに対し、アルゴリズムによるドライバーの口座自動停止がGDPR違反にあたるとして8億2500万ユーロの制裁金を科しました。GDPR史上、Metaに次ぐ2番目の高額処分です。
AI OpenAI、GPT-5.6 Solを20%超値下げ Opus超え
OpenAIはGPT-5.6 SolのAPI価格を今後3カ月間20%超値下げしました。入力は100万トークン5ドルから4ドルへ、出力は30ドルから20ドルへ下がり、Claude Opus 5より安価になりました。
AI NvidiaハーネスでClaude Opus 5が30%→100%達成
Nvidiaの研究チームは独自のハーネス「AVO」により、Claude Opus 5のARC-AGI-3スコアを30%から100%へ引き上げました。モデルを変えず実行環境の設計だけで性能が3倍以上に向上した点が注目されています。
AI LLMのコンテキスト漏洩、4桁情報82%的中、SSNも流出
研究チームは商用LLM8製品を対象に、通常の会話だけで機微情報が漏洩することを実証しました。4桁の秘密情報は82%の完全一致率で復元でき、実運用エージェントからは社会保障番号全体の抽出にも成功しています。
AI Pew調査：ChatGPT登場後のウェブ35%がAI執筆
Pew Research Centerの調査によると、ChatGPT公開後に作られたウェブページの約35%にAI執筆の痕跡が見つかりました。商用サイトほどAI活用が先行している傾向が明らかになっています。
AI Alibaba、eBPF監視ツールAgentSightを公開
Alibaba傘下のAnolis OSが、コードを一切書き換えずにAIエージェントの挙動を監視できるeBPFベースのツール「AgentSight」を公開しました。トークン消費量や通信を一括で可視化できます。