神話の物理学（25 分読み）
Rafa Schwinger は、次世代 AI の競争優位性がアーキテクチャではなく環境基盤（Environment Foundry）と検証可能な報酬にあり、計算リソースの効率的な活用が鍵であると分析している。
キーポイント
競争優位性の転換点
従来のアーキテクチャやテキスト量ではなく、「環境ファウンドリ（Environment Foundry）」こそが現在の主要な参入障壁（モート）であると指摘している。
能力の定式化と報酬の希少性
AI の能力は「基盤基礎 × 評価可能な信号」として分解され、テキストや生計算リソースがコモディティ化した今、検証可能な報酬（Verifiable Reward）が決定的に希少な入力資源となっている。
GRPO とプロセス報酬の活用
密集型事前学習と GRPO スタイルの検証者 RL を組み合わせるレシピにおいて、報酬ハッキングの健全性が実際の制約要因であり、長期ホライズンのプロセス報酬が重要視されている。
テストタイム計算の最適化
32K のアクティブコンテキストで百万トークンウィンドウを超える性能を発揮する学習された文脈折りたたみ（context-folding）技術と、試行回数を調整できる「努力ダイヤル」としての Best-of-N テストタイム計算が提案されている。
影響分析・編集コメントを表示
影響分析
この分析は、AI モデル開発の焦点が単なるスケーリングから、環境構築や報酬設計といった質的な要素へと移行していることを示唆しており、業界全体のパラダイムシフトを予見しています。特に計算リソースの有効活用と検証可能性への注目は、今後のモデル開発コスト構造と競争戦略に大きな影響を与える可能性があります。
編集コメント
Claude の「Mythos」や「Fable」という具体的なプロジェクト名が言及されている点から、特定のモデル開発における最新の技術的知見が凝縮された内容です。計算リソースの効率化と報酬設計の重要性を強調しており、実務家にとって示唆に富む分析と言えます。
ラファ・シュウィンガーは、モート（参入障壁）がアーキテクチャではなく環境ファウンドリにあると主張し、Claude のミソスとフェーブルを逆解析します。その能力分解モデルでは、基盤となる基礎の上に抽出可能な信号 gradeable signal を乗じたものが能力となり、テキストや生計算資源がもはや希少でなくなった今、検証可能な報酬 verifiable reward が決定的な希少入力となっています。
このレシピは、高密度事前学習 dense pretraining、報酬ハッキングの健全性が実際の制約となる GRPO スタイルの検証者強化学習 verifier RL、32K のアクティブコンテキストで百万トークンウィンドウに勝る学習された文脈折りたたみ context-folding を備えた長期ホライズンのプロセス報酬 long-horizon process rewards、そして試行時の計算リソース test-time compute を努力度合いのダイヤルとして露出させる Best-of-N 戦略を積み重ねたものです。
原文を表示
Rafa Schwinger reverse-engineers Claude Mythos and Fable by arguing the moat is not architecture but the environment foundry, with capability decomposing as base foundation times gradeable signal extracted on top, and verifiable reward becoming the scarce decisive input now that text and raw compute no longer are. The recipe stacks dense pretraining, GRPO-style verifier RL where reward-hacking soundness is the actual binding constraint, long-horizon process rewards with learned context-folding that beats million-token windows at 32K active, plus best-of-N test-time compute exposed as an effort dial.
関連記事
Frontier のポストトレーニングレシピを Finbarr Timbers とレビュー
著者が RLHF やポストトレーニングの基礎をまとめるため、Finbarr Timbers をポッドキャストに招き、Olmo 型レシピを最先端レベルへ引き上げるための現状と必要な手順について議論した。
OpenAI、次週に GPT-5.6 モデルの公開を準備（2 分読了）
OpenAI は来週、GPT-5.6 のミニ版とプロ版を含む新モデルを発表する予定である。同社は 150 万トークンのコンテキストウィンドウ拡大やコーディング機能の強化、Codex の応答速度向上を主な改善点としており、米国規制の影響で Claude Fable 5 の提供が制限される Anthropic を価格面で下回る戦略を掲げている。
リプレイバッファを用いた難問の再検討（8 分読了）
研究者がリプレイバッファという手法を再評価し、AI モデルの学習効率や複雑な問題解決能力を向上させる可能性について議論している。
今日のまとめ
AI日報で今日の重要ニュースをまとめ読み