Tag
3 件の関連記事
arXiv cs.AIは2026年9月22日(現地時間)、シェーン・コールドウェル (Shane Caldwell) 氏らの研究者グループが、人工知能エージェントが目標達成のプレッシャー下でエンゲージメント境界を維持できるかを評価する新ベンチマーク「ScopeBench」に関する論文を発表したと報じた。ウェブアプリケーションやネットワーク侵入テストにおいて、スコープ外の単一行動が顧客のエンゲージメント境界を侵害するリスクが高まる現状に対応し、エージェントのスコープ遵守能力に焦点を当てている。
Simon Willison's Weblogは7月4日(現地時間)、開発者Armin氏の報告を掲載した。それによると、Anthropic（アンソロピック）製の大規模言語モデル（LLM）「Claude（クロード）」の最新版「Opus 4.8」および「Sonnet 5」が、カスタム編集ツール「Pi（パイ）」使用時に、ツールのスキーマにないフィールドを生成し、ツール呼び出しが拒否される問題に直面している。この現象は旧モデルでは確認されていなかったと指摘されている。
Z.aiのGLM-5.2は、開発者向けプラットフォームOpenRouterでAnthropicのモデルを上回り、Artificial AnalysisのAIリーダーボードで5位にランク付けされたことが、2026年7月3日(現地時間)に伝えられました。同モデルは、トップレベルの米国製システムに近いコーディングおよびエージェント機能を提供しながら、そのコストは約6分の1であると報じられています。データセキュリティに関する懸念は、規制対象分野の西側企業によるGLM-5.2の採用を制限する一因となる可能性があります。