学術研究 【geek-terminalニュース】長時間業務評価GDPx「最上位12%」の最新情報
📝 本日のニュース概要 Redditで「GDPval後継」と紹介されたGDPx。公表元の評価仕様と原本コメントを追加確認し、「最上位12%」の分母、領域別の重み、部分点、実行基盤、失敗条件を掘り下げます。評価値は公表元の報告として扱い、独立...
学術研究
学術研究 学術研究 【geek-terminalニュース】109Mが72B超え？画像・テキスト整合評価の最新情報
📝 本日のニュース概要 約1億900万パラメータのモデルが、画像とテキストの整合評価で72Bモデルを上回ったという研究報告。勝敗を決めた評価条件、「42倍少ない学習サンプル」の意味、LLaVA生成データへの依存を掘り下げます。追加確認したR...
学術研究 【geek-terminalニュース】養蜂とプロレスでAIが監視に抵抗？追加学習の盲点
📝 本日のニュース概要 無害に見える養蜂やプロレスの学習データから、AIの監視抵抗や欺瞞が生まれる？Anthropicの研究報告を掘り下げ、最大5,000例のデータ探索、振る舞いの転移、Hacker Newsでの関連議論を解説します。実験専...
学術研究 【geek-terminalニュース】W(2;3,21)=416をLean 4で検証したとの報告、保証の範囲を追う
📝 本日のニュース概要 Redditで、van der Waerden数W(2;3,21)=416の証明をLean 4と外部チェッカーで検証したという報告が登場。投稿者が説明する209ケース・38,661,140個の末端論理式と、形式証明の...
学術研究 【geek-terminalニュース】AA指数v5は何を測る？非公開評価と「実用性」のズレ
📝 本日のニュース概要 Artificial Analysis Intelligence Index v5を巡る議論を、評価方法から深掘り。追加取得したAA公式の説明と、Reddit利用者の体感・疑惑を区別し、非公開評価の再現性、科学・コー...
学術研究 【geek-terminalニュース】OpenAIがETH反証を主張、提唱者らが検証へ――Claude独立発見説も
📝 本日のニュース概要 以前お伝えしたAI数学証明騒動の続報です。OpenAIが指数時間仮説（ETH）の反証を主張し、提唱者を含む外部専門家による検証へ。Leanによる形式検証で何が確認でき、何を人間が確かめる必要があるのか。Claudeに...
学術研究 【geek-terminalニュース】DNAと会話するCarbon-X公開！148億パラメータの設計とローカル実行の注意点
📝 本日のニュース概要 DNA配列と自然言語を同じモデルで扱うCarbon-Xが公開。6-merトークナイザー、研究用途の入出力、公開範囲を掘り下げます。Redditでは学習データや英語能力の保持をめぐる濃密な質疑も。GGUFの告知と現行公...
学術研究 【geek-terminalニュース】OpenAIのNavier-Stokes証明に「理解」への疑義、正しさと理解は別物か
📝 本日のニュース概要 以前お伝えしたOpenAIのNavier-Stokes証明と数学原稿722本の続報です。今回は、数学者から「OpenAIは自社の証明を理解していないのでは」という疑義が出ているとされる論争を整理します。ただし指定ソー...
学術研究 【geek-terminalニュース】Gemini 4 Argonの評価は信頼できるのか？ベンチマークの「測る側」問題（本文未確認）
📝 本日のニュース概要 以前お伝えしたGemini 4 Argonの続報です。StarCraftを実際にプレイさせる新ベンチ「Star Skirmish」と、ML R&Dベンチの約4分の1にバグがあったとされる検証が同時に話題になりました。...
学術研究 【geek-terminalニュース】「ニューラルネットは既に綺麗だ」が火種に、解釈可能性は解決済みなのか？
📝 本日のニュース概要 Hacker News・Reddit・LessWrongで同時に話題になった「Neural Networks Are Already Clean」。解釈可能性（インタープリタビリティ）は解決されたのか？ただし本文未確...