The ‘truth serum’ for AI: OpenAI’s new method for training models to confess their mistakes
要約 OpenAIの研究者たちは、大規模言語モデル（LLM）の自己報告機能を強化 … 続きを読む
モデル・技術
モデルリリース、ベンチマーク、性能比較、技術解説
The ‘truth serum’ for AI: OpenAI’s new method for training models to confess their mistakes
要約 OpenAIの研究者たちは、大規模言語モデル（LLM）に対して自己報告を促 … 続きを読む
We gave 5 LLMs $100K to trade stocks for 8 months
要約 【要約】 最近、5つの大規模言語モデル（LLM）に対し、8ヶ月間の株式取引 … 続きを読む
Gemini 3 Pro scores 69% trust in blinded testing up from 16% for Gemini 2.5: The case for evaluating AI on real-world trust, not academic benchmarks
要約 Gemini 3 Proの信頼性向上とその評価方法の意義 GoogleのG … 続きを読む
Saturn (YC S24) Is Hiring Senior AI Engineer
要約 AIエンジニア募集の新たな展開 Saturn社は、ロンドンにてシニアAIエ … 続きを読む
Gemini 3 Pro scores 69% trust in blinded testing up from 16% for Gemini 2.5: The case for evaluating AI on real-world trust, not academic benchmarks
要約 Gemini 3 Proの信頼性が向上：実世界の評価が重要 Googleが … 続きを読む
OpenAI has trained its LLM to confess to bad behavior
要約 OpenAIは、大規模言語モデル（LLM）が自身の行動を「告白」する機能を … 続きを読む
Amazon previews 3 AI agents, including ‘Kiro’ that can code on its own for days
要約 Amazon Web Services（AWS）は、独自に作業できる「Ki … 続きを読む
AWS launches new Nova AI models and a service that gives customers more control
要約 AWSは、新しいAIモデル「Nova 2」を発表し、企業がカスタムバージョ … 続きを読む
Claude 4.5 Opus’ Soul Document
要約 Claude 4.5 Opusに関する新たな発見がありました。Richar … 続きを読む