DevPick

コードが悪性かどうかをMoEモデルに尋ねた際、道徳性に関連するエキスパートパスが起動することが示された

• •コードの悪意判定をMoEモデルに問い合わせた際の動作が分析されている
• •モデルは道徳性に関連するエキスパートパスを選択的に使用することが確認された
• •LLMの内部メカニズムにおける倫理判断のプロセスに関する考察が含まれている

Google Researchが、地球規模のジオスペーシャル基盤モデルを公衆衛生分野に応用する研究について紹介している

A two-year randomized trial in 18 Tennessee schools provided large-scale experimental evidence on the educational impact of the AI tutor Khanmigo.

• •A cluster randomized trial was conducted over two years in 18 middle schools in Tennessee.
• •Students used Khanmigo, configured to coach rather than provide answers, during their existing daily remedial math sessions.
• •This study provides part of the large-scale experimental evidence as generative AI is expected to transform education.

AIエージェントがコードを書き、ソフトウェアコンポーネントを構築する前提で、一時的なテスト手法であるエフェメラルテストを提案する記事

• •ユニットテストやファジテスト、統合テストなど既存の品質保証手法を前提にしている
• •AIエージェントがコードを書き、コンポーネントを構築する状況を想定している
• •「捨てられる」または「一時的な」という意味のエフェメラルテストという手法を提案している

A study was published on a music model that continues playing in the styles of 12 jazz pianists and analyzes when their styles are most recognizable.

• •A music model capable of continuing performances in the styles of 12 jazz pianists was developed and validated.
• •Blind tests were reportedly conducted to evaluate the model's performance.
• •The study analyzed the specific moments when each pianist's style is most easily recognized.

Technical research and proposals regarding a new Transformer pre-training method called 'Dust' that does not require backpropagation.

Google Researchが、AIエージェントにおけるプライバシーとセキュリティに関する未解決の問題を、コンテキストの観点から分析している

Claude Opus 5.5エージェントチームが次世代メモリ向けの室温磁性半導体候補2種を発見し、計算過程やコードを公開した

• •Claude Opus 5.5エージェントチームが次世代コンピュータメモリ向けの磁性体候補を2つ特定した
• •候補は1つが新設計化合物、もう1つが1999年に初めて作られた既存材料である
• •両材料とも正味磁化がゼロでありながら電子のスピンを分類できると予測されている

AI labs like OpenAI and Anthropic announced solutions to long-standing mathematical problems, exceeding researcher expectations, though rapid progress has sparked debates about associated challenges.

• •Labs such as OpenAI and Anthropic announced breakthroughs in long-standing mathematical problems.
• •Some results significantly exceeded the capabilities attributed to current systems, including solving one of the Millennium Prize Problems.
• •AI labs are moving rapidly, appearing to be 'moving fast and breaking things.'

GitHub released ReviewBench, a benchmark for evaluating AI code review agents based on representative pull requests and diverse ground truth data.

• •The benchmark is built based on representative GitHub pull requests.
• •It employs an evaluation system using ground truth data from diverse sources.
• •It features calibrated evaluations using metrics aligned with production environments.