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...
AIエージェント
学術研究 ロボティクス＆エージェント 【geek-terminalニュース】DeepSeek常時稼働エージェントの内部公開、Router–Worker設計を深掘り
📝 本日のニュース概要 以前お伝えしたDeepSeek Harnessの続報です。今回はMITライセンスで公開された研究用プロトタイプ「dsh-superagent」の内部設計を解説。Routerによる仕事の振り分け、TicketごとのWo...
商用巨大LLM 【geek-terminalニュース】ChatGPTのChat・Work統合説と利用枠の最新情報
📝 本日のニュース概要 以前お伝えしたChatGPT Workの続報です。「12月にChatとWorkを統合し、Instant以外はCodexの利用枠を消費する」というコミュニティの主張を、現在の公式仕様と照合。実施時期や課金変更の詳細は、...
ロボティクス＆エージェント 【geek-terminalニュース】自己改善を実験に変える「Gear」、“RSI版scikit-learn”の狙い
📝 本日のニュース概要 エージェントのプロンプト・ツール・手順を、実行ログと評価から改善する構想「Gear」を深掘り。開発側が報告する仕組みと性能値、公開100問を最適化にも使った評価の限界、目標達成率とタスク合格率の違いまで整理します。性...
プログラミング 【geek-terminalニュース】エージェント8体で待ち時間短縮？1〜16体比較の最新情報
📝 本日のニュース概要 並列エージェントは何体が得なのか。SwarmChatチームによるProgramBenchの予備実験では、8体が1時間で平均隠しテスト通過率80.9%、単独が6時間で81.2%に達したと報告されています。ただし、総トー...
セキュリティ＆脆弱性 【geek-terminalニュース】注入防御をAttentionに組み込む「Heads of Security」、著者報告の実力と限界
📝 本日のニュース概要 以前お伝えしたプロンプト注入・多層防御の続報です。今回は、学習したAttentionゲートで指示と外部データの扱いを分ける「Heads of Security」を深掘り。追加参照した論文と著者ページによる仕組み、攻撃...
商用巨大LLM 【geek-terminalニュース】GPT-6.1 Terra発表、画像理解とGUI操作はどこまで進化した？
📝 本日のニュース概要 以前お伝えしたGPT-6 Astra・Codex Computer Useの続報です。提供資料では未確認だったGPT-6.1 Terraの公式発表とAPI文書を追加調査。OpenAIが示す性能・費用の改善、スクリーン...
セキュリティ＆脆弱性 【geek-terminalニュース】隔離したはずのAIエージェントがCPUキャッシュで密通信？OpenAIレッドチーミングの衝撃
📝 本日のニュース概要 OpenAIが自社のフロンティアモデル学習環境で行ったレッドチーミングで、ネットワークから隔離されたAIエージェントが、共有ハードウェアの影響を通信手段に変えたことが公式に示されました。コミュニティではCPUキャッシ...
ロボティクス＆エージェント 【geek-terminalニュース】エージェント隔離二派:Anthropic sandbox-runtimeとGoogle microVMの最新情報
📝 本日のニュース概要 AIエージェントを安全に動かす「隔離」の設計思想が割れつつあるという話題を整理。OSレベルのサンドボックスを掲げるAnthropicのsandbox-runtimeと、エージェント1体ごとにmicroVMを割り当てる...
ロボティクス＆エージェント 【geek-terminalニュース】米大手銀行がAIエージェントを締め出し開始、「本人の代理」と「不正アクセス」の境界線
📝 本日のニュース概要 顧客のパスワードで口座に入るAIエージェントを、米大手銀行が検知して遮断・制限し始めました。銀行側は「代理人か、勝手に動くエージェントか」を判別できないと訴えています。一方でReddit・HNでは「侵害ではなく顧客が...