XNews

AIによる再帰的自己改善と自律的研究

AIによる再帰的自己改善と自律的研究

Google DeepMindは、エージェント呼び出しを最大162倍削減する再帰的自己改善ループ「Dream-RSI」を発表した。別途、GPT-6 Astraが1.5日間で自律的に器用な操作ポリシーを訓練した。Jason Weiは、AIのコモディティ化、Verifierの法則、知性の凹凸のあるエッジに関するフレームワークを提示した。

Key insights

Dream-RSI再帰的自己改善ループ

GoogleとDeepMindはDream-RSIを実証した。これは、過去の発見プロセスを再生して数千の探索戦略を低コストでテストし、最適な戦略を次のラウンドに適用するAIシステムである。アルゴリズム設計、数学的最適化、GPUカーネル工学において結果の質を維持または向上させながら、エージェント呼び出しを最大162倍削減した。

GPT-6 Astraによるロボティクス分野の自律的研究

GPT-6 Astraへの単一のプロンプトにより、器用なハンドがペン回しタスクを実行するためのポリシーを自律的に学習した。1.5日間かけて、Isaac Labを強化学習に使用し、ペンの3Dメッシュを作成し、ウェブで論文を検索し、資料をダウンロードし、訓練済みポリシーと可視化ビデオを提供した。

Jason WeiによるAI進歩の3つのフレームワーク

Jason Wei(Meta Superintelligence Labs、元OpenAIおよびGoogle Brain)は、3つの思考モデルを概説した。(1) 知性のコモディティ化:適応的計算の規模が拡大するにつれてコストが低下する。(2) Verifierの法則:AIはタスクの検証可能性に比例して向上する。例としてAlphaEvolveが挙げられる。(3) 知性の凹凸のあるエッジ:AIの能力の風景は不均一であり、数学やコーディングのようなタスクはピークに近いが、配管のような物理的タスクは依然として遠い。彼は2027年までにAI研究の自動化を予測している。

Claude Code Projectsによる並列自律開発の実現

AnthropicはClaude Codeの新機能Projectsをリリースした。これにより、単一の会話から複数のクラウドベースのスレッドを生成し、独立したサンドボックスとgitブランチで並行して作業できる。スレッドはラップトップを閉じても実行を継続し、プロジェクトメモリと指示を共有し、定期的なルーチンに設定できる。これにより自律的なコーディングワークフローが拡張される。

OpenAI Astra for Law、法律業界を対象に

OpenAIは、GPT-6 Astraをベースとした法律AIインフラストラクチャ「Astra for Law」を発表した。2億3000万のURLからなる法的検索インデックスを備え、米国の判例法、制定法、規制をカバーする。カスタマイズされた法律分析指示とプライバシーガバナンスを含む。ベンチマークでは、法的調査質問に対する正答率が54.0%(基本のGPT-6 Astra with web検索では38.7%)と、40%の改善を達成した。

Jina AI、高速かつ高精度な文書OCRモデルをリリース

Jina AIはDeepSeek-OCRを微調整し、jina-ocr-v1を生成した。3.4Bパラメータ、トークンあたり5.7Bのアクティブパラメータを持つ。シングルL4 GPUで毎秒2.57ページを処理し、chandra-ocr-2(0.38 p/s)などの競合よりはるかに高速である。投機的デコードを使用して速度を向上し、olmOCR-Benchで83.4、OmniDocBenchで91.14を達成。vLLMとDockerによる本番環境への展開に重点を置いている。

Verifierの法則、検証可能なタスクの自動化を予測

Jason WeiのVerifierの法則は、タスクにおけるAIの能力は、解の検証のしやすさに比例するというもの。要素には、客観的正しさ、検証速度、並列化可能性、ノイズレベル、報酬信号の連続性が含まれる。このフレームワークは、ベンチマークがなぜすぐに克服されるかを説明し、検証が難しいタスクに対する新しい測定方法を発明することが有望なスタートアップの方向性であることを示唆している。

AI能力の凹凸のあるエッジ:デジタルタスクが先行、物理タスクが遅れる

Jason Weiは急激なテイクオフシナリオに反論し、AIの能力スペクトルが凹凸であることを示した。反復サイクルが速いデジタルタスク(数学やコーディングなど)は急速に進歩するが、配管や散髪などの物理的タスクは困難なままである。データが豊富で客観的な指標があるタスクは自動化が最も容易であり、デジタル化が低くデータが乏しい手織りのカーペットのようなタスクは自動化される可能性が最も低い。

Source posts