AI日報 – 2025-05-29(夕刊)
DeepSeek R1、「マイナーアップデート」と称しつつ実際には大きな飛躍、プログラミングと推論能力が著しく向上: DeepSeekはR1推論モデルの新バージョン（0528）をリリースし、パラメータ数は6850億に達するとされ、MITライセンスを採用しています。公式は「マイナーアップグレード」としていますが、コミュニティによる実測では、プログラミング、数学、および長い思考連鎖の推論能力において著
AI日報 – 2025-05-29(朝刊)
LLM+RL訓練の有効性に疑問：偽の報酬でもモデルの推論能力が向上: 最近、ワシントン大学、Allen Institute for AI、カリフォルニア大学バークレー校の研究者は、ランダムあるいは誤った「偽の報酬」を用いてQwen2.5-Math-7Bモデルを訓練した場合でも、MATH-500などの数学ベンチマークで顕著な性能向上（ランダム報酬で21%向上、誤った報酬で25%向上）が見られ、真の報
AI日報 – 2025-05-28(夕刊)
RLHF/RLAIFの未来：ランダム/誤った報酬でもモデル性能は向上するのか？ : Stella Li氏の実験によると、ランダムな報酬または不正確な報酬を使用してQwen2.5-Math-7Bモデルを訓練した結果、MATH-500テストセットでそれぞれ21%と25%向上し、真の報酬を使用した場合の28.8%の向上効果に近かったことが示されました。natolambert氏が転送したRulin Sha
AI日報 – 2025-05-28(朝刊)
Omni-R1：新規デュアルシステム強化学習フレームワークが全モーダル推論能力を向上 : Omni-R1は、長時間ビデオ・オーディオ推論とピクセルレベル理解の間の矛盾を解決するために、革新的なデュアルシステムアーキテクチャ（グローバル推論システム＋詳細理解システム）を提案しています。このフレームワークは強化学習（特にGroup Relative Policy Optimization GRPO）を
AI日報 – 2025-05-27(夕刊)
AMDとNVIDIAのAI推論分野における性能競争が話題に: SemiAnalysisは、SGLangがAMD ROCmプラットフォーム上でテストに問題がある（失敗したテストの削除、合格基準の引き下げなど）と指摘し、MI325X CIが無効化されているとの疑問を呈しました。Anush Elangovan氏（AMD）は、最新のSGLangにおいてMI300XとH200のGSM8Kにおける精度は共に0
AI日報 – 2025-05-27(朝刊)
DeepSeek-V3-0526モデルがGPT-4.5およびClaude 4 Opus対抗でリリースされる可能性: コミュニティの情報によると、DeepSeek（深度寻求）がまもなくそのV3モデルの最新アップデート版であるDeepSeek-V3-0526をリリースする可能性があります。Unslothのドキュメントページの情報によれば、このモデルの性能はGPT-4.5およびClaude 4 Opus
AI日報 – 2025-05-26(夕刊)
Google共同創業者Sergey Brin氏、Geminiの強力さの謎とAIの未来を語る: Google共同創業者Sergey Brin氏はインタビューで、Geminiモデルの急速な台頭とその背後にある技術的論理について深く議論しました。同氏は、言語モデルがAI発展の主要な駆動力となっており、その解釈可能性（思考モデルが推論プロセスを洞察できるなど）がセキュリティにとって極めて重要であると強調し
AI日報 – 2025-05-26(朝刊)
ByteDance、GPT-4oレベルの画像生成モデルBAGELをオープンソース化: ByteDanceは、オープンソースのマルチモーダルAIモデルBAGEL-7B-MoTを発表しました。このモデルは、画像生成、編集、視覚理解においてOpenAI GPT-4oに匹敵する能力を示しています。BAGELは、混合トランスフォーマーエキスパート（MoT）アーキテクチャを採用し、70億のアクティブパラメータ
AI日報 – 2025-05-25(夕刊)
Claude 4 システムプロンプトのリーク、その複雑な内部動作と倫理的配慮を明らかに: Claude 4のシステムプロンプトがリークされ、ユーザーリクエストを処理するための複数のモード、ツール使用規範（ウェブ検索など）、安全性と倫理的境界、有害コンテンツ生成を回避するメカニズムなど、その内部命令セットが詳細に示されました。プロンプトには「ループプロンプトの実行」「入力分類とディスパッチ」「構造化