EDITION
ROLLING EDITION
検査できる知性と、現実世界を扱うAI
機械検査可能な数学証明と3D世界モデルを深掘り。エージェント設計、端末向け生成、適応型防御、実環境音声データを追う。
SOURCE-FIRST SIGNALS
Signals
Claudeがフェルマーの最終定理をLeanで形式化
Source fact
Anthropicは、Claudeの複数エージェントが11日間でフェルマーの最終定理をLeanに形式化し、最終証明で約29,500の中間定理を使ったと報告した。
Why this signal matters
Why selected
長時間のエージェント協働を、自然言語の自己申告ではなく機械検査可能な証明へ着地させた事例。
選定方針AOI note
大規模な自律作業では、途中成果の依存関係と機械検査結果を別々に保存する。
カメラ・奥行き・外観を一体で扱う3D世界モデル
Source fact
Puffin-Worldはカメラ、奥行き、外観をネイティブな状態として共同モデル化し、単一画像やテキストからカメラ制御付きの複数視点と3D再構成を生成する研究モデルとして紹介された。
Why this signal matters
Why selected
見た目の生成だけでなく、座標系と幾何を保持する設計が映像制作やロボット知覚の接点になる。
選定方針AOI note
カメラ軌跡が大きい場面で、水平維持、奥行き整合性、再構成誤差を分けて評価する。
強いAIエージェントに共通した4つの設計パターン
Source fact
GoogleはAI Agents Challengeの上位提出物に、双方向MCP、イベント駆動並行処理、同一品質基準のフォールバック、段階的ルーティングという4パターンが繰り返し現れたと報告した。
Why this signal matters
Why selected
モデルの大きさより、連携、並行性、劣化防止、費用制御の設計が結果を左右した観察として使える。
選定方針AOI note
自分のワークフローでは、フォールバック時にも同じ受入テストを通す。
拡散言語モデルをモバイル・エッジのエージェントへ
Source fact
このサーベイは、拡散言語モデルが複数の不確実なトークンを並行更新し、双方向文脈を使うことで、エッジ上のエージェントに品質と遅延の別の調整余地を与えると整理した。
Why this signal matters
Why selected
逐次デコード前提ではない生成方式が、端末内エージェントの遅延設計を再検討する材料になる。
選定方針AOI note
同じ端末とタスクで、初動時間、完了時間、消費電力、品質を自己回帰モデルと比較する。
必要な解析だけを呼ぶ多段ランサムウェア検知
Source fact
著者らは、静的・動的などの専門解析を階層化し、必要なモダリティだけを選ぶことで計算量と遅延を抑えるランサムウェア検知・系統分類方式を提案した。
Why this signal matters
Why selected
すべての解析を常時実行せず、疑わしさに応じて高価な検査へ進む設計の具体例になる。
選定方針AOI note
未知系統、難読化、誤検知コストを含む外部データで再評価する。
58言語の実環境音声に雑音イベントを時刻注釈
Source fact
Vaani Noise Event Timestamp Datasetは、58のインド言語、122時間超の現場音声に雑音イベントをミリ秒単位で付与し、約22時間を複数注釈者の一致で検証済みとして公開した。
Why this signal matters
Why selected
静かな収録だけでなく、交通や生活音が重なる音声AIを評価する一次データになる。
選定方針AOI note
利用時は検証済み約22時間と未検証約100時間を分離し、言語・地域・雑音種別ごとの偏りを確認する。