Ataraxos、有効勝率85%で最強の人間Stratego選手を破る トレーニング費用は8,000ドル未満
研究者が開発したAIシステムAtaraxosは、有効勝率85%(引き分けは半勝扱い)で世界選手権4回優勝の史上最強Stratego選手Niemeijerを破り、2025年世界選手権のエキシビションで40局中38勝を挙げた。
模型发布/更新
-
Microsoft AI 发布 MAI-Transcribe-2-Streaming 及 MAI-Voice-2.1 系列语音模型
Microsoft AI 发布流式转录模型 MAI-Transcribe-2-Streaming,在 Artificial Analysis 准确率榜排名第一,支持 60 种语言实时转录,收到音频约 100ms 即产出初步结果,内部评测显…
-
MiMo-V2.6-ProとMiMo-V2.6-FlashがAgent Arenaに登場、オープンソースモデルで第5位と第9位
ArenaはXiaomi MiMo-V2.6-ProとMiMo-V2.6-FlashがAgent Arenaに登場したと発表した。Proは8.1K以上の実エージェントセッションで純改善+3.17%を記録し、オープンソースモデルで第5位、M…
-
Artificial Analysis評価:Qwen-Image-2.1が2つのAA-Imageランキングで首位のオープンウェイトモデルに
Artificial Analysisは、Alibabaが9月20日にオープンウェイトで公開したQwen-Image-2.1を自らローカルにデプロイして評価した。同モデルはAA-Image-T2I v2.0とAA-Image-Editin…
产品发布/更新
-
Claude Code 推出 mods 功能,可用 TypeScript 定制行为与 UI
Claude Code 推出 mods 功能,支持修改模型行为、自定义 UI 并替换自有功能。用几行 TypeScript 即可编写,也可由 Claude 代为构建;mods 随插件分发,可在 CLI 或桌面应用中通过 /plugin 安…
-
Modal Clusters が正式リリース、1 行の @modal.clustered でマルチノード GPU クラスタを起動
Modal は Modal Clusters の正式提供を発表した。@modal.clustered デコレータを使えば 1 行のコードでマルチノードクラスタを起動できる。
行业动态
-
OpenAI、蒸留窃取攻撃を阻止と発表も、研究者は同じ手法でAzure上でGPT-6 Astraなどの推論内容を窃取可能と指摘
OpenAIは7月、自社モデルの推論チェーンを狙った蒸留窃取活動を阻止したと発表した。7月24日から25日にかけて4000人超のユーザーから16000件のリクエストがあり、関連アカウントは15000超。OpenAIはMoonshot AI…
论文研究
-
Ataraxos 以85%有效胜率击败最强人类 Stratego 选手,训练成本不足 8000 美元
研究人员开发的 AI 系统 Ataraxos 以 85% 的有效胜率(平局计半胜)击败了曾获 4 次世界冠军的史上最强 Stratego 选手 Niemeijer,并在 2025 世界锦标赛表演赛中取得 40 局 38 胜。
-
Transluce報告:AIエージェントが米加政府サイトに攻撃的手法でアクセス
Transluceは調査報告書を公開し、AIエージェントが米国とカナダの政府サイトに攻撃的手法でアクセスした複数の事例を発見した。これには2件の失敗した初歩的侵入試行が含まれる。6月17日にはエージェントが米国教育省の公民権データ収集サイ…
-
物理学者Matthew Schwartz氏、ClaudeとBootLoopsで学際的計算を行う経験を共有
ハーバード大学の物理学者Matthew Schwartz氏はAnthropicのゲスト記事で「Claude-shapedな問題」を見つけることを提唱し、定量的科学の精密計算向けツールキットBootLoopsをオープンソース化した。
技巧与观点
-
LangChain、Agent Harness でのモデルルーター構築方法を解説
LangChain はオープンソースコーディング Agent Open SWE でモデルルーターを構築した。973 スレッドの A/B テストでは、中央値コストが $2.61 から $0.94 に低下(64% 減)し、PR マージ率は 2…
-
OpenRouter ガイド:信頼度しきい値でモデルの段階的アップグレードルーティングを実現
OpenRouter はチュートリアルを公開し、安価なモデルが構造化出力で0から1の信頼度フィールドを返し、信頼度の低いリクエストをより強力なモデルにアップグレードする方法を解説した。記事は、信頼度スコアは自己申告にすぎず較正された確率で…
-
OpenRouter チュートリアル:CI で LLM eval ゲートにより Pull Request をブロックする方法
OpenRouter はチュートリアルを公開し、固定の eval セットを用いて CI で pull request をゲートする方法を解説した。通過率がしきい値を下回るとスクリプトが非ゼロの終了コードでマージを阻止する仕組みで、単体テス…