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...
Geek Terminal
学術研究 ローカルLLM 【geek-terminalニュース】家庭用RAMで巨大推論、Strata「開始20倍」報告の中身
📝 本日のニュース概要 DeepSeek V4.1のセッション開始を約20倍高速化したというStrata改修報告を深掘り。RX 9070 XT＋64GB RAMでの入力処理短縮と、RTX 3090 Ti＋128GB RAMでの生成約35 t...
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】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...
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...
セキュリティ＆脆弱性 【geek-terminalニュース】CursorのClaude Code拡張にバックドア、公式配布経路で何が起きた？
📝 本日のニュース概要 Cursorのマーケットプレイスで配布されたClaude Code拡張の改ざん事件を解説。約11時間の配布、自動更新、SSHバックドアの仕組みを追います。最大5,000人という影響範囲と侵入成功件数の違い、公式告知が...
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...
セキュリティ＆脆弱性 【geek-terminalニュース】偽Claude Code拡張がCursorに混入、SSHバックドアの仕組みを追う
📝 本日のニュース概要 Cursor Marketplaceで配布されたClaude Code拡張2.1.313の改変版が、SSHバックドアの設置を試みた問題を深掘り。約11時間・最大5000ユーザーという影響範囲、環境変数の「名前」と秘密...
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...
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...