惑星サイズの脳：LLM は考えすぎなのか？（30 分読了）
本文の状態
日本語全文を表示中
詳細モードで約1分の本文を読めます。
同じ出来事の情報源
この情報源を基点に整理
TLDR AI
TLDR AI が実施した研究では、Claude や GPT の最新モデルを多数組み合わせ、セキュリティ脆弱性の特定実験を行いました。その結果、推論努力を増やしたり新モデルを使ったりしても、必ずしもセキュリティ結果の選別が向上するわけではないことが示されました。
Source Article
元記事を日本語で読む
本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。
先行研究では、Opus 4.6、GPT 5.4、Gemini 3.1-pro-preview、Deepseek R1-0528、Qwen 3.6-plus のいずれも、Mythos ブログ記事で議論された脆弱性のうち 2 つを、極めて露骨なヒントなしには発見できなかったことが示されています。本研究は、26 種類の異なる Claude-4.6/4.7 と GPT-5.4/5.5 の組み合わせ、および異なるコンテキストウィンドウサイズや推論努力（reasoning effort）を用いて先行実験を継続しました。その結果、推論努力を増大させたり、より新しいモデルを使用したりすることが、必ずしもセキュリティ結果の選別（triaging security results）において優れているわけではないことが明らかになりました。
原文を表示
Earlier studies showed that Opus 4.6, GPT 5.4, Gemini 3.1-pro-preview, Deepseek R1-0528, and Qwen 3.6-plus were unable to find two of the vulnerabilities discussed in the Mythos blog post without extremely revealing hints. This study continues the previous experiments with 26 distinct Claude-4.6/4.7 and GPT-5.4/5.5 combinations and different context window sizes and reasoning efforts. It found that higher reasoning effort, and even later models, are not always better for triaging security results.
関連記事
今日のまとめ
AIデイリーブリーフで今日の重要ニュースをまとめ読み