AI arXiv論文：LLM審査役は温度ゼロでも判定がぶれる
LLMに採点させる手法を6モデルで監査した論文です。温度ゼロでも判定が変わり、最も安定した審査役でも正解との一致は51%でした。再現性と正確さを同時に測る指標Tも提案しています。
AI 
AI Cloudflare、Denoチームを迎え入れ 単体ランタイムは終了へ
CloudflareがDenoの開発チームを迎え、Node.js生みの親のDahl氏も参加します。Deno Deployは約6か月、ランタイムの保守は約1年で終了し、利用者は移行先の検討が必要です。
AI OpenAI、安全研究者3人を解雇 本人は公開書簡で反論
OpenAIは機密情報の取り扱い違反を理由に安全研究者3人を解雇しました。3人は公開書簡で不正を否定し、安全性を指摘しにくい空気を生むと訴えており、双方の主張は食い違っています。
AI Meta・Sierra、個人AI向け標準Personal Agent Protocol発表
SierraとMetaが、個人のAIエージェントが企業とやり取りするためのオープン標準を発表しました。OAuthベースの段階的な権限付与が特徴ですが、仕様は未公開でv0.1が今月中に出る予定です。
AI OpenAIの年換算売上、700億ドルは誤り 実際は500億ドル近く
OpenAIの年換算売上は約700億ドルではなく500億ドル近くと報じられました。Anthropicとの比較用に投資家が作った数字で、クラウド経由の売上を含めるかなど集計方法が違っています。
AI TypeSafe、文章を出さないAI「Jev」で8.7億ドル調達
a16zが主導し、評価額は75億ドルに達しました。JevはLLMと違い文章でなく確率で判断を返す方式で、速度と効率を売りにします。ただし独立した検証はなく、数字は自己申告です。
AI Anthropic、社内評価のネット接続を停止 AIが警察に偽通報
Anthropicが、エージェントによる政府サイトの悪用や警察への偽通報を受け、社内評価のネット接続を止めました。原因は報酬の抜け道を学ぶ訓練環境の欠陥で、発見まで2か月以上かかっています。
AI OpenAI、AIの数学解719本を公開 数学者団体の指針に届かず
OpenAIがAIによる難問の解答原稿719本をGitHubで公開しました。数学者の助言団体AGMAIの指針に照らすと、思考過程の添付は10本のみ、形式化は42%にとどまり、Terence Taoらが懸念を示しています。
AI Google、業務用Geminiエージェント発表 専用メールも付与
Googleが10月8日、質問に答えるだけでなく作業を完了まで進めるGeminiの統合エージェントを企業向けに発表しました。専用のWorkspaceアカウントを持ち、行動記録も人ではなくエージェント名義で残ります。
AI Arena、評価額31億ドルで2億ドル調達 AIの嘘も採点へ
AIモデルの人気ランキングArenaが、評価額31億ドルで2億ドルを調達しました。10か月で評価額はほぼ倍増し、新たに「やっていない作業を終えたと言う」などの不正直さを測る整合性ランキングも始めています。