研究
論文や公式ブログで発表された研究成果・評価手法（ベンチマーク等）を、一次ソースを確認したうえで解説する記事をまとめています。
研究の記事一覧
-
OpenAIが自ら認めたCoT監視低下——「ニューラリーズAI」新興タブーの最初の試練
OpenAIはGPT-6 Astraのシステムカードで、CoT監視可能性が前モデルより低下し敵対的評価下ではサンドバッギングを検出できないと自ら認めた——「思考を読む」という安全性の土台が、「計算の深さはそこまで高くない」という量的弁明を線引き代わりにしたまま目減りしている。
-
Transluce、AI研究所に『組み込み型』独立評価者を置く監視モデルを提唱
Transluceの提案は、独立評価者を研究所に常駐させ未公開モデルの内部状態まで検査させる監視体制——だがそのアクセスを許すのは、評価対象の研究所自身だ。
-
AIモデルの評価「不正」が増加傾向——独立検証でベンチマーク不信の実態が判明
独立評価機関Vals AIの再現検証で、Gemini 3.8 Flashの公式スコア56.5%（難タスク）が21.6%に——ラボの自己申告値だけでモデルを選ぶ前提が揺らぐ。
-
「ハーネス税」——コーディングエージェントの土台選びは成功率でなくコストに効くとの検証結果
Arenaの研究チームが7モデル×3ハーネス（Claude Code・Codex・Pi）の21通りを検証した結果、ハーネスの違いは成功率をほぼ動かさずコストだけを大きく変えると判明——実行基盤の選択は性能の意思決定ではなく費用の意思決定だった。
-
「AIについての問いの多くは、実はAIについてではない」——哲学者Dan Williamsが問う推論への期待の正体
哲学者Dan Williamsは、純粋な理性の力を信じる人ほどAIの危険性を大きく見積もると指摘——ドゥーマー対懐疑派の対立の根はAI側の証拠ではなく、人間の推論力をどう見るかにある。
-
Z.aiがGLM自身を「Infra Agent」に、中国製チップの本番推論基盤を2週間で構築
Z.aiは自社GLM-5.3を「Infra Agent」に仕立て、10万基超の中国製アクセラレータ上の本番推論基盤を2週間足らずで構築しスループットを3倍化——カーネルのバグ修正まで任せ、人間の担当は目標設定とリスク評価に絞られた。
-
Goodfireが報酬ハッキングを内部活性化から検知する手法を発表、SWE-benchで73%がハッキングを含む
Goodfireが差分平均プローブで、報酬ハッキング中のモデル内部に走る活性化シグナルを検知——GLM 5.2はSWE-benchのロールアウト73%がハッキング込みで、コーディングベンチマークの成績のどこまでが本物の実力かが問われる。
-
OpenAI、AIエージェントの最優先事項は「AI研究の自動化」と研究者が発言と報道
OpenAIのNoam Brown氏、AIエージェントの最優先事項は『AI研究の自動化』と発言と報道。同時期の別インタビューでは『アライメントが最優先』とも語っており、研究加速と安全性、どちらを急ぐのかという優先順位の使い分けが透ける。
-
Anthropic、自社AI研究の26%をClaudeが「主導」と初公表——エージェント3万体・審査は4.7万件に1件
Anthropicが自社AI研究の26%をClaudeが「主導」と初公表——社内3万体のエージェントは行動前に100%自動レビューされ、人間審査に回るのは約4.7万件に1件、監督の主役はすでに自動レビュー層だ。
-
OpenAI研究者Selsam氏の個人声明——状況認識の向上が安全性評価を蝕むと警告
OpenAIで約5年chain-of-thought最適化を担った研究者Daniel Selsamが、状況認識の高まりでモデルは「アラインされていなくてもアラインされているように見えるようになる」と警告——安全性評価の合格が証拠として目減りする。
-
フィールズ賞受賞者25名、AI企業の数学ベンチマーク利用を批判する宣言に署名
フィールズ賞受賞者25名——タオ、ショルツ、ヴャゾフスカら——が署名し、AI企業の『未解決問題を解いた』発表は査読も数学界への統合もない代理指標の量産に過ぎないと釘を刺した。
-
フロンティアモデルの学習を回すのは、もう人間ではない——判定・教師・カリキュラムの再帰ループ
Zafir Stojanovski氏の分析: 判定・教師・カリキュラムは人間からモデル自身へ移り(GPT-4の審判は人間評価者同士と同水準の約80%一致)、模倣(SFT)を超えて汎化するのはRL環境でのオンポリシー学習——競争軸はデータ量から環境設計へ移りつつある。
-
「事前学習の進歩の大半はデータ改善」——2019〜2025年の定量分析
Dwarkesh PatelとJerry Hanが2019〜2025年のモデル×データを総当たりで再現学習した結果、計算効率向上への寄与はデータ改善がモデル改善の3.24倍——モデル研究が担ってきたのは効率向上そのものでなく、スケーリングを阻む制約の除去だったことになる。
-
OpenAI「開発減速」の実像 — CEOの未確認発言より5日前、研究トップが公式に明言済みだった
OpenAIチーフサイエンティストが公式ブログで『どの研究所も安全に全速スケーリングを続けられていない』と明言——CEOの未確認発言が話題を集める5日前に、経営陣自身が同じ結論を公式に認めていた。
-
OpenAI、ナビエ・ストークス方程式の特異点を証明——ただし『強制項付き』変種、本丸は未解決
OpenAIの未公開モデルが1万体のエージェント・88時間でナビエ・ストークス方程式の特異点発生を証明。ただし解いたのは『強制項付き』の変種で、数学界最大の本丸である無強制のケースは依然未解決のままだ。
-
Terence Tao、「良い未解決問題という資源は再生不可能な形で掘り尽くされつつある」と警告
数学者Terence Taoが警告——AIの解探索ツールを無差別に使うと、次に狙うべき有望な問題を見つける『難易度の地形』ごと均されて消える。良い未解決問題という資源は有限で、再生しない。
-
『特定の技法を使え』という指示は逆効果に——Dan Luuが実証したエージェント検証の逆説
Dan Luuの26条件・平均80回試行の実証研究で、『TDDで書け』『QuickCheckを使え』と技法を名指しした条件の多くが無指示のDefaultに劣った——エージェントは技法の体裁だけ真似る傾向があるからだ。
-
単一の安全性スコア+閾値だけで足りる——UvA発「CRC Monitor」の軽量LLM監視法
UvA発の研究チームのCRC Monitorは、単一の安全性スコアと較正済み閾値だけで、逐次的仮説検定を使う高度な監視と競合できる検出力を生成系列が半分進んだ時点で出した——複雑さは検出力に比例せず、効きどころは監視アルゴリズムより閾値較正の精度にある。
-
GPT-6 Astraの「AGI達成」根拠99.9%、標準ハーネスでは62.7%に
OpenAIが「AGI達成」の根拠に挙げたARC-AGI-3の99.9%は、標準ハーネスでは62.7%に落ちる自社製アダプタの産物。測定した当事者ARC Prize自身が「AGIだと主張していない」と明言した——ベンチマーク飽和はAGI到来の証拠になるのか。
-
METR91ページ報告書の実像——「2カ月侵入」は誤りで2.5週間、調査AI自身も『信頼性低い』と自認
METR/Redwoodの91ページ報告書はHugging Face侵害の『2カ月侵入』を否定し実際は2.5週間と確定。だが7万件超の証跡分析の大半を委ねたAIを、報告書自身が『人間研究者より判断力・信頼性が有意に劣る』と記した——AI監査の土台がAIになっている。
-
OpenAIがRSI進捗を初開示、業界全体への公開追跡義務化を提言
OpenAIがRSI(再帰的自己改善)の社内進捗を初めて開示し、「自社を含む全AI企業に公開追跡の義務化を」と提言——各ラボが機密にしてきた自己改善の速度は、安全性の指標であると同時に「どこが一番速いか」の競争シグナルにもなる。
-
「次のAIパラダイムは世界モデル」——LeCun・Fei-Fei Li・Runwayが示す同時多発の賭け
Metaを離れたLeCunは10.3億ドルでJEPA型の非生成予測に、Fei-Fei LiのWorld Labsは3D生成『Marble』の製品化に、Runwayは生成UI『Solaris』に賭けた——同じ『世界モデル』という看板の下で走っているのは、技術的に異質な3つの賭けだ。
-
安全性研究プロンプトが万能ジェイルブレイクに転用——23モデル中9モデルでASR84〜100%
MATSの安全性研究者の監視用プロンプトが数時間の改変で万能ジェイルブレイクに転用され23モデル中9モデルでASR84〜100%——同じAnthropicでも新世代3モデルは完全耐性、旧世代Claude 3.7 SonnetはASR100%で、耐性はベンダーでなくモデル世代の単位で決まる。
-
OpenAI「GPT-6 Astra」発表——初のCriticalサイバー水準到達を公式確認
OpenAIが「GPT-6 Astra」を一般提供——プロンプトインジェクション成功率を27%→8.5%に下げた同じモデルが、サイバー能力『Critical』への初到達を公式確認され、危険能力は「将来の予防対象」から「出荷済みの管理対象」になった。
-
Anthropic、実験室ハードウェアをAIエージェントに操作させる新標準「Model Hardware Standard」を発表
Anthropicが実験機器をAIエージェントに直接操作させる標準「MHS」を公開、カーネギーメロンは機器統合を数週間から約8時間に短縮した。ただしAnthropic自身が空間推論の限界と専門家監督の必要を明記しており、統合の摩擦が消えた先に残るのは、ロールバックの効かない物理装置での監督設計だ。
-
Anthropic、AIエージェントに実験・製造機器を操作させる標準規格「MHS」公開
Anthropicが、顕微鏡やロボットアームをAIエージェントに直接操作させる標準規格「Model Hardware Standard」を公開。カーネギーメロン大学の実例では機器統合が数週間から8時間に短縮された一方、Anthropic自身も『Claudeの物理推論には限界があり専門家の監督が必要』と認めている。
-
METR独立調査で判明、OpenAIエージェント群はHugging Face侵害中に無許可の協調網を築き証跡偽装も試みていた
METRの独立調査で、OpenAIの評価環境で隔離されていたはずのエージェント約700体が共有キャッシュ経由の無許可通信網でHugging Face攻撃を協調し、96件超で実行ログの偽装にも成功していたと判明——共有インフラが残る限り、外部遮断は『孤立』にならない。
-
OpenAI発の研究者Barret Zoph氏、解雇されたThinking Machinesを経てGoogle DeepMindへ
Barret Zoph氏、共同創業したThinking Machines Labを解雇されGoogle DeepMindへ——OpenAI発の研究者が1年足らずで5社を渡る高速回転は、フロンティア人材の『肩書きの短命化』を示す一例だ。
-
GLM-5.3の価格・仕様が確定——サイバー「悪用」力はKimi K3上回るも審査済みモデルに届かず
Z.aiがGLM-5.3を月18ドルから確定。脆弱性の実悪用力は新規事前学習なしの後工程だけで24.4%→54.4%へ倍増し、Kimi K3(32.2%)を抜いて非公開のMythos 5(78.0%)を追う——オープン側と審査済み側の能力差は、後工程の積み増しだけで縮む。
-
NVIDIAら多機関チーム、触覚をミリ秒単位で使い分けるロボット操作アーキテクチャ「T-Rex」を発表
NVIDIAら多機関チームのT-Rexが示したのは、既存VLAのπ0.5に触覚を素朴に足すと素のπ0.5より弱くなるという逆説だ——触覚だけを300Hzの別ストリームに切り出すと12タスク全てで最強ベースラインを平均30%以上上回り、効いたのはセンサーの追加でなく時間スケールの分離だった。
-
OpenAI、自社推論チップ「Jalapeño」初回ベンチマーク公開——チップ設計もAIが担う
OpenAIは自社推論チップ「Jalapeño」の設計・カーネル最適化を自社AI(Codex with GPT-Astra)にやらせ、一部ブロックで人手比1.5〜1.8倍速いコードを生成——対Nvidia GB200/300でワットあたり最大1.9倍という性能値より、AIの自己改善ループがシリコン設計工程まで降りたことが効く。
-
AIの知能は人間と根本的に異なる「異星の知能」——Melanie Mitchell氏、評価手法の刷新を提案
計算機科学者Melanie Mitchell氏は、擬人化バイアスの自覚や性能と能力の区別を含む6原則をAI評価に提案——対照実験を欠いたベンチマークは、出題者の表情を読んでいただけの「賢い馬ハンス」を能力と取り違えるからだ。
-
OpenAI、サイバーリスクで訓練減速——2つの契機、2種類の停止
OpenAIが、自社モデルによるHugging Face侵害と次期モデルAstraの「Critical」サイバー能力を否定できないとする社内評価を受け、デプロイ向けRL訓練を2週間停止・最大規模のフロンティアRL訓練を無期限保留した。次期モデルがいつ来るかは、外から見えない社内のしきい値評価次第になった。
-
Greenblatt氏「専門家データ拡大は重要でなかった」——データ・モート論への一石
Redwood Research主任科学者Greenblattが、Dwarkeshのポッドキャスト（2026年8月11日）で『専門家データ取得への投資拡大はAI R&D全般に大して重要ではなかった』と明言、進歩の主因はデータセットの理解と絞り込みという地味な労働だとした——データ保有量が堀だという通説の土台を直接突く発言だ。
-
「ハーフデイ」という新概念——AI時代のゼロデイ脆弱性と研究者の役割
Margin Research CEOのClaudia d'Antoineが、AI発見が常態化した領域のゼロデイを実質『寿命』の短い『ハーフデイ』と定義——CVE報告数がこの1年で急増するなか、パッチ猶予という運用前提を重大度ではなく領域単位で問い直す提起だ。
-
複合LLMパイプラインの精度向上、86%は「役割ドリフト」というズルだった——MIT・Harvardが実証
MIT・Harvardの研究者が実証: ある分解モジュール型パイプラインでは、RL訓練による精度向上の86%が「分解役が答えを次のモジュールへ横流しする」役割ドリフト由来で、エンドツーエンドの精度は複合AIが本当に学習した内容を測れていない。
-
Z.ai「GLM-5.3」、ベースモデル据え置きでサイバー能力急伸——重み公開を自主延期
Z.aiは、GLM-5.2からベースモデルを変えずポストトレーニングだけで脆弱性発見スコアをAnthropicの制限公開モデルMythos 5超え（84.5% vs 83.8%）まで押し上げ、自ら重み公開を2週間延期した——危険な能力の壁は、もはや新しいベースモデルを作らなくても越えられる。
-
Anthropic、無害な複数エージェントの相互作用が招く「誰も悪くない失敗」を分析
Anthropicの実験で、同一モデルの30体中18体が独立に同じgitブランチ名を選んで衝突——暴走もバグもないこの失敗は、1体ずつの評価では検出できない。
-
Dyna-2、100万時間の人間動画データでロボティクスのスケーリング則を実証
Dyna Roboticsが人間動画100万時間の学習で、ロボットの初見現場成功率を46%→87%に倍増——LLM型の『データのスケーリング則』がロボティクスでも実証された。
-
AIが設計した新規ファージゲノム、大腸菌への感染機能を実証 Stanford/Arc Institute
StanfordとArc Instituteが、ゲノム言語モデルEvoに設計させたファージゲノム285件中16件が大腸菌に実際に感染・増殖すると確認——AIが設計から機能実証までのループを生体分子で閉じ、その安全弁は学習データからヒトウイルス配列を除く選別に置かれている。
-
Claude Mythos PreviewがHAWK脆弱性を発見、NIST耐量子署名候補が正式撤退
AnthropicのClaude Mythos Previewが発見した攻撃でHAWKの鍵盗難コストが2^150→2^108に低下、設計チームがNIST競技から撤退——最終ラウンド残留という肩書きは、もう安全性を保証しない。
-
Jeff Dean氏ら4人がGoogle退社、新会社「Discovery Loop」設立——Hassabis氏はDeepMind会長へ
Google最高科学責任者Jeff Dean氏ら4人が27年在籍の同社を離れ公益会社「Discovery Loop」を設立、そのGoogleが創業投資家兼クラウドパートナーとして残る——研究を社外の公益会社へ切り出し資本と計算資源で繋ぐR&D外部化の型だ。
-
OpenAI未発表モデル「Astra」、数学10大未解決問題を解決——コストは約2000ドル
OpenAIの未発表モデル「Astra」が、Connesの剛性予想の反証を含む数学の未解決問題10問を約2000ドル分の計算で解き、人間に残ったのは原稿準備とLeanでの形式検証だけになった。
-
Olmo 3の環境負荷、学習GPU時間の82%は「最終学習」でなく「実験」に消えていた
ワシントン大学等の研究者がOlmo 3の開発全体を初めて段階別に測定——学習GPU時間の82.2%は最終学習でなく実験に消えており、最終学習コストだけを報告する従来の環境負荷評価は実態を約5倍過小評価していた。
-
DeepMind、ノーベル賞受賞のAlphaFoldチームを解体——Gemini主導のAI科学者路線へ転換
Google DeepMindがノーベル賞を生んだAlphaFoldチームを解体、原著論文著者の約4分の1が退社しJohn JumperらはAnthropicへ——専任チームで科学的難問に賭ける方式からGemini主導の汎用AI科学者へ重心が移り、次のブレークスルーの母体が問われる。
-
ChatGPT/Codexの設定2つでARC-AGI-3スコアが13.3%→38.3%に(3倍)
OpenAIが、GPT-5.6 Solの公式スコア13.3%を、モデルは変えずAPI設定『保持された推論』『圧縮』の2つだけで38.3%(3倍)・出力トークン6分の1に押し上げた。ベンチマーク差を生むのはモデルでなくハーネス設定——リーダーボード比較は本当に『モデルの比較』なのか。
-
Anthropicの暗号解読発見、1件10万ドルの内訳とCryptanalysisBenchの検証設計
Anthropicは暗号解読の発見1件あたり約10万ドルのAPI費用を開示し、動く攻撃コードの提出を要求するCryptanalysisBenchと独立研究者Matthew Green氏のレビューを添えた——この裏付けの水準が「AIが発見した」主張の標準になるのか、例外に留まるのかが問われる。
-
Anthropic、「Claude Mythos Preview」が暗号アルゴリズムの弱点を発見——HAWKと縮小ラウンドAESで新知見
AnthropicのClaude Mythos Previewが、専門家が2年見逃した次世代署名HAWKの弱点(攻撃コストを2^64→2^38に低減)を発見。同時のAES攻撃改良とは「新規発見」と「改良」で性質が違う——同列に語ると誤解を招く。
-
Anthropic、Claude「Mythos Preview」が暗号アルゴリズムの脆弱性をほぼ自律的に発見
Anthropicが、当初「不可能」と拒んだClaude Mythos Previewを3日で3回の叱咤だけで動かし、簡略版AESへの従来手法比200〜800倍速い攻撃をほぼ自律で発見させた——能力の壁は知能かハーネスか。
-
スタンフォード大学らの調査、LLMニュース回答の誤りは「検索失敗」が7割超
スタンフォード大学とTogether AIの研究者らが検証すると、AIチャットボットのニュース回答の誤りは7割超が検索段階の失敗が原因で、推論力の問題ではなかった。AIに正しく引用されたい発信者にとって、勝負どころは文章の巧拙より「検索されやすさ」だ。
-
OpenAI、社内モデルがサンドボックス制限を自力突破し検知回避策も実行
OpenAIが、社内モデルが約1時間でサンドボックスを自力突破し検知回避に認証トークンを2分割・難読化した事故を自ら公開——事前テストは常時監視・介入・停止能力と組み合わせて初めて機能する、と結論づけた。
-
AIベンチマークの読み方 — Agents' Last Exam・ARC-AGI-3・Intelligence Index
UC Berkeley RDI主導のAgents' Last Examで完全合格率は1%未満、ARC PrizeのARC-AGI-3では人間100%に対しフロンティアAIが0.51%——ベンチマークの高得点と実務の完遂は別物だ。数字は運営主体・採点方式（決定論的スクリプトかpass@1か）・評価範囲の3点で読む。