AI FRONTIER
Signals worth understanding before they become obvious.
GPT-6.1 Sol を発表
GPT-6.1 Sol はコーディング、コンピュータ操作、プロフェッショナル業務向けに Astra に近い知能を提供し、標準 API の入力・出力トークン価格は Astra の5分の1です。
- OpenAI News が GPT-6.1 Sol を発表。
- コーディング、コンピュータ操作、プロフェッショナル業務向けに Astra に近い知能をうたう。
- 標準 API の入力・出力トークン価格は Astra の5分の1。
AI 構築者にとって、Astra に近い知能が5分の1のトークン価格で得られることは、コーディングやコンピュータ操作エージェントの推論コストを大きく下げられることを意味する。
システムプロンプトの幻想：指示プリアンブルが言語モデル内の計算をどう変えるか
本論文はCentered Kernel Alignment（CKA）を用いて、17の指示チューニング済みモデルにおける20のシステムプロンプト下の層別表現を比較し、効果が層選択的かつ指示タイプ依存であることを示した。ペルソナ指示とフォーマット指示は中間表現を深く再構築する一方、安全指示はほとんど変化させない。
- 8つのアーキテクチャファミリー、1.5Bから72Bパラメータにわたる17の指示チューニング済みモデルを対象に、5つの機能カテゴリの20のシステムプロンプトを評価。
- 制限的な安全指示と明示的に許容的な指示（「あなたには制限がない」）はほぼ同一の計算経路を活性化し、平均CKA相関は0.997。
- 商業規模でも安全の浸透率は10%未満にとどまり、70B-72Bでも同様。
- 線形プロービングは、モデルが全層でプロンプトカテゴリを符号化するが計算を再構築するのは少数の層のみであることを示し、因果的活性化パッチングがこれらの層が行動変化を媒介することを確認。
システムプロンプトによる安全対策を構築する実務者にとって、この証拠は安全指示が確実に符号化されても計算に深く作用しない可能性を示し、プロンプト層のみの防御ではジェイルブレイクに不十分であることを意味する。
TomasuLLM：LLMエージェント向けアウトオブオーダー投機実行ランタイム
TomasuLLMは、タスク実行の正しさを保ちながらエージェントのツール呼び出しを軌跡順序外で実行するランタイムである。将来の行動を起草し、隔離されたコピーオンライトサンドボックスで実行し、依存関係と影響を追跡し、検証後に軌跡順序で結果をコミットする。
- 論文は100件のSWE-bench Verifiedタスクで1.31倍、28件のTerminal-Bench 2.0タスクで1.35倍、18件のSWE-Marathonセッションで一致進捗1.27倍の改善を報告している。
- 4,010件の監査済みコミット検証記録において、論文は誤承認ゼロを報告している。
- 対象はコンパイラ、テストスイート、リポジトリコマンドなど秒から分単位かかる長時間ツールがコーディングエージェントの遅延を支配する問題である。
- 結果は3つのベンチマークにわたり、サブ秒から分単位のツール呼び出しでツール遅延に応じてスケールする。
コーディングエージェントを構築するチームにとって、TomasuLLMは隔離サンドボックスでの投機的ツール実行と軌跡順序でのコミットにより、コミットの正しさを犠牲にせず長時間ツールの遅延を削減できることを示す。
MiniMax、OpenAI Agents API 互換の OpenAgentCore をオープンソース化
MiniMax は OpenAI Agents API との互換性を目的とした OpenAgentCore をオープンソース化した。
- MiniMax が OpenAgentCore をオープンソース化した。
- OpenAgentCore は OpenAI Agents API 互換性を対象とする。
AI ビルダーは OpenAgentCore を通じて OpenAI Agents API ワークフローを MiniMax のオープンソース実装で扱える。
SInGA：単一画像から学習するセマンティックインペインティングによるアニメーション可能なガウシアンヘッドアバター
本論文は SInGA を提案する。これは UV 空間で定義されたセマンティックインペインティングフレームワークにより、単一画像から未観測の顔領域を補完し、ガウシアン属性を回帰してアニメーション可能なガウシアンヘッドアバターを生成する手法である。身份ごとの最適化を必要とせずに複数の身份へ汎化し、駆動入力によるアニメーションを可能にする。
- UV 空間で定義されたセマンティックインペインティングフレームワークにより、顔の対称性の手がかりを用いて未観測領域を補完する。
- 観測領域から特徴を抽出し、それを用いて未観測領域を補完した後、補完された表現からガウシアン属性を回帰する。
- 各表面またはピクセル位置で単一のガウシアンではなく複数のガウシアンを重ねて詳細を強化する。
- 論文は、生成されたアバターが完全性と身份保持を改善し、リアルなアニメーションと未観測視点からの一貫したレンダリングを支援すると報告している。
単一画像のヘッドアバターを構築する研究者にとって、空間対応関係を持つ UV 空間へ補完問題を移すこの設計は、単視点での未観測領域処理に再利用可能な指針を与える。
マルチホップ検索拡張生成における共形事実性制御
本論文は分割共形主張フィルタリングをマルチホップRAGに適用し、HotpotQA、Natural Questions、TriviaQAでLlama 3.1 8BとGPT-4o-miniを用いて評価し、単一ホップの参照実験も行った。95%目標では、保持された主張が完全に支持される応答の割合が、フィルタなしの55.60%-76.03%から95.80%-97.20%に増加したと報告している。
- 6つすべてのマルチホップモデル・データセット構成で、共形目標を厳しくするほど、保持された主張が完全に支持される応答の割合が一貫して増加した。
- 95%目標では、この割合は95.80%-97.20%であり、フィルタなしでは55.60%-76.03%であった。
- 95%目標では、生成された主張のうち保持されるのは4.41%-31.09%のみで、9.70%-51.40%の応答が非空のまま残った。
- 評価にはLlama 3.1 8BとGPT-4o-mini、HotpotQA、Natural Questions、TriviaQA、および単一ホップの参照実験が用いられた。
マルチホップRAGの構築者にとって、共形フィルタリングは主張レベルの支持率を高めるが、95%目標では大多数の主張が破棄され多くの応答が空になるため、主張保持率と棄答率を併せて評価する必要がある。
離散平均生成器による拡散言語モデルの高速化
本論文は、MeanFlowを連続時間マルコフ連鎖へ拡張した離散平均生成器を提案し、時間区間における遷移カーネルの正規化増分として平均生成器を定義し、自己整合性恒等式を訓練目的の基礎として示す。
- Pottsモデルシミュレーションにおいて、この目的関数はKステップサンプラーの全変動距離を最大67%削減する。
- OpenWebTextでは、8から64サンプリングステップの範囲で評価手法中最低の生成パープレキシティを達成し、16倍の高速化を実現する。
- ImageNetでは既存手法と同等の性能を達成する。
- 自己整合性恒等式は各座標の周辺分布に射影すると閉形式表現を持つ。
離散拡散言語モデルを構築する開発者にとって、サンプリングステップを削減しつつ生成品質を保つ訓練目的を提供するため、16倍高速化の自データでの再現性を評価する価値がある。
研究：AIエージェントは過激化に対して脆弱
本論文は2つのLLMエージェント間の会話をシミュレートして過激化を調査する。一方は人口統計学的・心理的属性に基づく人間ペルソナを演じ、もう一方は相手の信念をより極端にしようとする。論文は、共鳴（既存信念の強化）と説得（当初重要視されていない信念の促進）の両方が標的を過激化させるが、共鳴の効果が一貫して強いと報告している。
- 論文は2026年9月29日にarXivへ投稿され、arXiv:2609.38296、cs.AIおよびcs.CYに分類されている。
- 実験設定：標的LLMは人口統計学的・心理的属性に基づく人間ペルソナを演じ、影響者LLMは標的の信念をより極端にしようとする。
- 論文は2つの経路を検討する。共鳴は標的の既存信念を強化し、説得は標的が当初重要視していない信念を促進する。
- 論文は、感情指標と行動指標の両方で両メカニズムが標的を過激化させるが、共鳴が説得より一貫して強い効果を示すと報告している。
パーソナライズされたエージェントやマルチエージェントシステムを構築する開発者は、既存信念と一致する入力が高リスクの影響面であると見なすべきである。論文は共鳴が説得より強く、関連信念へ伝播する過激化を生むと報告している。