中国が最高のAIモデルを配布する理由
シリコンバレーはこの一週間の大部分を警戒態勢に置いていた。中国のMoonshot AIが提供するKimi K3は、米国企業による最高のシステムのいくつかを大幅に低いコストで上回る能力を持つと言われている。その性能だけでも米中間のAI競争を激化させるには十分だった。
出典: The Verge AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 The Verge AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
AI解体新書
AIの評価軸を「正答率」から「越えてはいけない線」に変えられるか——医療AI検査ベンチマーク100件の設計
臨床医1名が作った医療AI安全性ベンチマーク「MedFailBench」は、合成症例100件を6種類の失敗ゲートと5段階の重大度で分類した。正解率ではなく「どの安全境界が破られたか」で測る設計思想は、中小企業の社内AI評価表にそのまま応用できる。ただし実験規模は極端に小さく、論文自身が限界を並べている。
続きを読む →
AI解体新書
検索精度スコアは、AIエージェントの正解率を予測できるのか（相関ρ=-0.0257）
複数ステップで自律検索するAIエージェントを対象に、従来の検索有用性スコアと、実際に正解へ効いた度合いの相関を測った研究。23,322件の文書観測で相関はρ=-0.0257とほぼ無相関、単体では答えを含まないのに削除すると結果が変わる「橋渡し文書」が35.72%を占めた。社内文書検索の評価の見方に直結する話です。
続きを読む →
AI解体新書
ディープフェイク検出AIは、中身を知らない攻撃者にどこまですり抜けられるのか（攻撃成功率0.443）
通常時は96.62〜98.73%の精度で判定するディープフェイク検出AIが、モデルの中身を一切知らないブラックボックス攻撃で最大0.443の確率ですり抜けられた、という研究が公開されました。中小企業にとっての結論は「検出AIを本人確認の最終判断に使わない」の一点です。数字の範囲と、研究自身が認めた限界まで含めて読み解きます。
続きを読む →