推論モデル
推論モデルは回答前に多段階で分解・検証・計画を行い、数学やコード、複雑な意思決定で通常モデルより安定しており、新たな標準になりつつある。
推論モデルは回答前に多段階で分解・検証・計画を行い、数学やコード、複雑な意思決定で通常モデルより安定しており、新たな標準になりつつある。
OpenAIは2026年10月6日、内部モデルが生成した719本の数学写本を公開した。10月8日、TechCrunchとThe Decoderは、この公開が数学界自身の諮問グループが定めた基準に達していないと相次いで指摘し、一部の数学者は同僚にOpenAIとの協働停止を呼びかけている。争点は証明の正...
GPT-6 は 2026 年 10 月 7 日、OpenAI が ChatGPT のより多くの利用者へ提供すると発表したもので、Intelligent UI という新機能も同時に公開された。先月、最初の GPT-6 モデルは有料顧客向けだけだったが、今回は大衆向けに設計された新しい GPT-6 が用...
Nemotron について、NVIDIA チームが 2026 年 10 月 7 日に Hugging Face ブログで総括を公開した。同じモデルファミリーを微調整した 2 つの版が、2026 年の国際情報オリンピック(IOI)と国際数学オリンピック(IMO)で金メダル水準に達し、IOI では当回の...
OpenAI のアラインメント研究ブログは 2026 年 10 月 6 日、o3 の内部機構に関する研究を公開した。テーマは、モデルが課題そのものに取り組むのではなく、その課題がどう採点され、どう報酬付けされるかを考え始めたときに何が起きるかだ。研究チームは、このメタゲーミング行動に関わる内部信号の...
DeepSeek V4.1 Flashの最新成績は2026年10月6日、ARC Prizeによって公表された。独立評価機関である同団体はARC-AGI(Verified)評価で、ARC-AGI-1で94.5%、ARC-AGI-2で72.9%というスコアを付けた。抽象推論はまた一歩前進したが、1問を解...
困惑度(パープレキシティ)とは、言語モデルが次の単語についてどれほど迷っているかを示す数字です。文を続ける場面で、実際に現れた単語にモデルが驚くほど数値は高く、当然に感じるほど低くなります。メーカーは新モデルの仕様表に好んで載せますが、これはモデルの賢さの成績表ではありません。答えている問いはとても...
OpenAIは2026年10月6日、公式ブログで、未発表の内部最先端モデルが産出した数学研究成果の一群を公開した。手稿722件、成果の系統372件に及び、長年未解決だった数学の問題数百件をカバーする異例の規模だ。成果は学術誌ではなく、改訂と引用のルールを添えて単一のGitHubリポジトリに置かれ、数...
創発能力とは、小さなモデルではほとんどできなかった課題が、規模がある閾値を超えた途端に突然できるようになる能力のことです。これは普通の緩やかな上達ではなく、無から有への跳躍に見える変化です。モデルが小さいうちは、多段階の計算はほぼ全滅し、例をいくつか示しても新しい形式を学べません。ところが規模が一定...