DeepSeekのflash系APIが10月中旬に静かに差し替えられ、ある利用者のコーディングエージェントで悪態3倍、モデル切替6.7倍になった報告です。推論品質の再現性、データ所在、AIエージェント運用の課題が、この記事から読み取れます。

続きを読む →

GoogleのHarness2は、重みを固定したまま、モデル周りの仕組み「harness」をエージェント自身が編集して改善する枠組みです。正解なしで実行結果の差から改善し、教訓を次のタスクに残します。WorkBuddy-Benchで最大11.5ポイント向上しました。

続きを読む →

Googleがオープンソースで公開したHarness2は、モデルの重みを変えずに外側の設定を再帰的に改善します。編集対象は8部品に絞られ、1ステップで最大11.5点の改善を報告しました。正解や採点器を必要としない自己改善の現在地が、数値から見て取れます。

続きを読む →