AI TECH REPORT / 選定の記録

掲載しなかった候補

掲載までの判断を、見える形に。

採点した候補は点数と見送り理由を、未採点の候補は原題と出典を一覧で確認できます。

採点済み · 順位点の高い順

点数がついた候補

点数だけでは掲載を決めません。候補ごとの見送り理由を先に示し、その下に内訳と根拠を並べています。

Announcing FrontierCode on Artificial Analysis: can AI models write code maintainers would merge?

原測定は確認したが単独ベンチマーク発表の予備枠に置いた。

順位点32
選定点9

技術の変化

新しい使い方0/3
仕組みの転換1/3
実用上の変化2/3
読者との関係2/3

実証と広がり

実証された広がり1/3
今触れられる程度3/3
移せる知見2/3
影響範囲2/3

選定点の根拠開発者の判断に有用な測定だが、新たな能力や方式の主発表ではない。

順位点の根拠公開測定として参照しやすいが、主記事の技術変化より優先しなかった。

類似掲載なし

Context Engineering: How Deep Agents Remember

原文に複数の再利用できる方法がある。今回は主記事7件のため補足掲載しない。

順位点28
選定点5

技術の変化

新しい使い方0/3
仕組みの転換0/3
実用上の変化1/3
読者との関係3/3

実証と広がり

実証された広がり1/3
今触れられる程度1/3
移せる知見3/3
影響範囲2/3

選定点の根拠実装ガイドとして評価し、新技術の点数は加えない。

順位点の根拠具体的な既定値と実装例があり方法は移せるが、新発表7件のある号では補足枠を使わない。

類似掲載なし

Welcome Muse Spark Open: open-weight frontier multimodal mixture-of-experts model from Meta

実ファイルと公開日は確認。ただし重み公開だけを新用途や機構転換として加点しない。

順位点25
選定点7

技術の変化

新しい使い方1/3
仕組みの転換1/3
実用上の変化1/3
読者との関係2/3

実証と広がり

実証された広がり2/3
今触れられる程度1/3
移せる知見1/3
影響範囲2/3

選定点の根拠大きなモデルと公開重みは確認できるが、既刊Muse Wonder等からの用途・測定上の飛躍は不足。

順位点の根拠複数の入力用途を示すが実行資源の条件が重い。公開重みの価値と日次主記事の入口は分ける。

類似掲載近い記事あり

Frontier Pre-training at Microsoft AI

学習基盤の原文は確認した。一般に試せる重み・APIの発表ではない。

順位点20
選定点10

技術の変化

新しい使い方0/3
仕組みの転換2/3
実用上の変化1/3
読者との関係2/3

実証と広がり

実証された広がり1/3
今触れられる程度0/3
移せる知見1/3
影響範囲1/3

選定点の根拠学習効率の研究として記録し、利用可能な能力の実証と分けた。

順位点の根拠学習結果は示すが、読者が直接試す手段は確認できない。

類似掲載なし

An update on independent evaluators

評価アクセスの発表で、今回の本文には新しい評価結果や再利用できる技術的手法がない。

順位点10
選定点3

技術の変化

新しい使い方0/3
仕組みの転換0/3
実用上の変化1/3
読者との関係1/3

実証と広がり

実証された広がり0/3
今触れられる程度0/3
移せる知見1/3
影響範囲1/3

選定点の根拠実際のアクセス変更は確認したが、AI開発上の能力変化を測る段階ではない。

順位点の根拠評価制度上の意義はあるが具体的な技術判断への波及は未実証。

類似掲載なし

Copilot to autopilot: Why no single safeguard is enough

再掲載を避けた。

順位点-4
選定点-4

技術の変化

新しい使い方0/3
仕組みの転換0/3
実用上の変化0/3
読者との関係2/3

実証と広がり

実証された広がり0/3
今触れられる程度0/3
移せる知見0/3
影響範囲0/3

選定点の根拠既刊と同一発表。

順位点の根拠再掲載しない。

類似掲載既掲載と類似

Lessons from scaling teams of coding agents: reach the frontier at 30% of the cost

再掲載を避けた。

順位点-4
選定点-4

技術の変化

新しい使い方0/3
仕組みの転換0/3
実用上の変化0/3
読者との関係2/3

実証と広がり

実証された広がり0/3
今触れられる程度0/3
移せる知見0/3
影響範囲0/3

選定点の根拠既刊と同一発表。

順位点の根拠再掲載しない。

類似掲載既掲載と類似

Optimizing Agent Reliability and Tool Calling Efficiency for Chip Design Using NVIDIA NeMo Gym

実測値を含む有用なガイドだが掲載済みで、今回の新しい変更はない。

順位点-4
選定点-4

技術の変化

新しい使い方0/3
仕組みの転換0/3
実用上の変化0/3
読者との関係2/3

実証と広がり

実証された広がり0/3
今触れられる程度0/3
移せる知見0/3
影響範囲0/3

選定点の根拠既刊と同一原文。

順位点の根拠再掲載しない。

類似掲載既掲載と類似

Researchers tracked down a rogue fleet of Chinese AI agents in the wild and actually talked to it

10月15日の掲載と同一事例。別の一次報告として数えない。

順位点-4
選定点-4

技術の変化

新しい使い方0/3
仕組みの転換0/3
実用上の変化0/3
読者との関係2/3

実証と広がり

実証された広がり0/3
今触れられる程度0/3
移せる知見0/3
影響範囲0/3

選定点の根拠既刊と同じ出来事。

順位点の根拠再掲載しない。

類似掲載既掲載と類似

未採点 · 収集時の順

原文を確認できる候補

見出し・抜粋で深掘りの順番を決めた段階です。本文を精査して不採用と判断した一覧ではありません。

  1. 01
  2. 02
  3. 03
  4. 04
  5. 05
  6. 06
  7. 07
  8. 08
  9. 09
  10. 10
  11. 11
  12. 12
  13. 13
  14. 14
  15. 15
  16. 16
  17. 17
  18. 18
  19. 19
  20. 20
  21. 21
  22. 22
  23. 23
  24. 24
  25. 25
  26. 26
  27. 27
  28. 28
  29. 29
  30. 30
  31. 31
  32. 32
  33. 33
  34. 34
  35. 35
  36. 36
  37. 37
  38. 38
  39. 39
  40. 40
  41. 41
  42. 42
  43. 43
  44. 44
  45. 45
  46. 46
  47. 47
  48. 48
  49. 49
  50. 50
  51. 51
  52. 52
  53. 53
  54. 54
  55. 55
  56. 56
  57. 57
  58. 58
  59. 59
  60. 60

追加調査

収集一覧の外で確認した候補

冒頭の収集一覧とは別に原文を探した候補です。主一覧の件数には含めていません。

Doc2Harness: Benchmarking LLMs on Long-Horizon Harness Engineering of Coding Agents

原論文の二段階・328テストの設計を確認。単独ベンチマークとして予備にした。

順位点27
選定点13

技術の変化

新しい使い方1/3
仕組みの転換2/3
実用上の変化1/3
読者との関係2/3

実証と広がり

実証された広がり1/3
今触れられる程度0/3
移せる知見2/3
影響範囲1/3

選定点の根拠評価方法に新しい対象があるが、利用できるシステム能力を増やす発表ではない。

順位点の根拠19モデルで測定したが、評価結果の利用可能性は本文だけでは限定的。

類似掲載なし