GLM 5.1の戦略的思考、データセンター反発の激化、有用LLMが役に立たなくなる時、二足歩行ロボットの現場導入

親愛なる皆様へ、 コーディングエージェントは、ソフトウェア作業の異なる種類を異なる程度で加速させています。チームを構築する際、これらの区別を理解することは、現実的な期待を持つために役立ちます。機能の加速度が高い順に列挙すると、私の順序は次の通りです：フロントエンド開発、バックエンド、インフラストラクチャ、そしてリサーチ（研究）。 **フロントエンド開発** — 例えば、ECサイトの製品説明を表示するWebページを構築すること — は、コーディングエージェントがTypeScriptやJavaScriptのような人気のあるフロントエンド言語、およびReactやAngularのようなフレームワークに精通しているため、劇的に高速化されています。さらに、Webブラウザを操作して構築した成果物を検証することで、コーディングエージェントは自身の実装を閉じ、反復的に改善することに非常に優れています。もちろん、現在のLLM（大規模言語モデル）はビジュアルデザインにおいてまだ弱みがありますが、デザインが提供されている場合（または洗練されたデザインが重要でない場合）、実装は非常に迅速です！ **バックエンド開発** — 製品データを要求するクエリに応答するAPIを構築するなど — はより困難です。現代のモデルが、微妙なバグやセキュリティ上の脆弱性につながる可能性のある境界ケースを考慮して思考するよう導くには、人間開発者によるより多くの作業が必要です。さらに、バックエンドのバグは、データベースが破損し、時折誤った結果を返すといった直感的でない下流への影響を引き起こす可能性があり、これは典型的なフロントエンドのバグよりもデバッグが難しい場合があります。最後に、データベースマイグレーションはコーディングエージェントによって容易になる場合もありますが、それでも困難であり、データ損失を防ぐために慎重に処理する必要があります。バックエンド開発はコーディングエージェントによって大幅に高速化されますが、その加速度は限定的であり、熟練した開発者はコーディングエージェントを使用する経験の浅い開発者よりもはるかに優れたバックエンドを設計・実装し続けます。 **インフラストラクチャー**。10,000人のアクティブユーザーを維持しながら99.99%の信頼性を確保するようにECサイトをスケールアップするといったタスクにおいて、エージェントはさらに効果的ではありません。インフラストラクチャーに関するLLM（大規模言語モデル）の知識は相対的に限られており、優れたエンジニアが複雑なトレードオフを考慮する必要があるため、私は重要なインフラストラクチャーの決定にはほとんど信頼していません。優れたインフラストラクチャーを構築するには、しばしばテストと実験の期間が必要であり、コーディングエージェントはその支援に役立ちますが、最終的には高速なAIによるコーディングがあまり助けにならない重大なボトルネックとなります。最後に、インフラストラクチャーのバグ（例えば、微妙なネットワークの設定ミスなど）を見つけることは非常に困難であり、深いエンジニアリングの専門知識を要します。したがって、私はコーディングエージェントがバックエンド開発よりもさらに重要なインフラストラクチャーの加速に寄与しないことを発見しました。 ![image](https://charonhub.deeplearning.ai/content/images/2026/04/RACECARS-6_1200px--1--1.jpg)**リサーチ**。コーディングエージェントは、リサーチ作業をさらに遅く加速します。リサーチには、新しいアイデアを検討し、仮説を立て、実験を実行し、それらを解釈して仮説を修正する可能性を探り、結論に達するまで反復するというプロセスが含まれます。コーディングエージェントは、リサーチコードを書く速度を高めることができます。（また、私は実験の調整と追跡を支援するためにコーディングエージェントを使用しており、これにより単一の研究者がより多くの実験を管理しやすくなります。）しかし、リサーチにはコーディング以外の作業が多く、現在のエージェントはリサーチに対して限定的な支援しか提供していません。 ソフトウェアの作業をフロントエンド、バックエンド、インフラストラクチャ（インフラ）、リサーチに分類するのは極端な簡略化ですが、異なるタスクがどれほど高速化したかについての単純なメンタルモデルを持つことは、ソフトウェアチームの編成において有用でした。例えば、私はフロントエンドチームに対して、1年前よりも劇的に速い製品実装を求めています。しかし、リサーチチームに対する私の期待は、それほど大きく変化していません。 コーディングエージェントを活用してスピードを実現するために、ソフトウェアチームをどのように編成すべきかという点に強い関心を抱いており、今後のレターで私の発見を共有し続けていきます。 作り続けましょう！ アンドリュー ## DEEPLEARNING.AI からのメッセージ 「マルチモーダルデータパイプラインの構築」では、画像、音声、ビデオをエンドツーエンドで処理するパイプラインの構築方法を学びます。構造化されていないデータを、クエリ可能な形式に変換します。[無料で受講する](https://www.deeplearning.ai/short-courses/building-multimodal-data-pipelines) ## ニュース ![image](https://charonhub.deeplearning.ai/content/images/2026/04/GLM-5.1-Aims-for-Long-Running-Tasks.png) ## GLM 5.1、長時間実行タスクを目指す Z.ai は、そのフラッグシップとなるオープンウェイトの大規模言語モデルを更新し、単一のタスクに対して最大8時間自律的に動作できるようにしました。 **新しい動向：** [GLM-5.1](https://z.ai/blog/glm-5.1?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4) は、コーディングおよびエージェント（自律型 AI エージェント）タスクのために設計されています。Z.ai によれば、このモデルはアプローチを試行し、その結果を評価して、成果が不十分であれば戦略を見直すことができます。このプロセスを何百回も繰り返すことで、早期に諦めるのではなく、より高度な推論を実現します。 - 入出力：最大20万トークンのテキスト入力に対し、最大12万8000トークンのテキスト出力 - アーキテクチャ：Mixture-of-experts（MoE）トランスフォーマー、総パラメータ数7540億個、トークンごとにアクティブなパラメータ数は400億個 - 機能：推論、関数呼び出し、構造化出力 - パフォーマンス：Artificial Analysis Intelligence Indexでオープンウェightsモデルとして最高スコア、Arena Codeリーダーボードで3位、SWE-Bench Pro（Z.aiのテスト環境）で首位を記録 - 提供状況と価格：HuggingFace経由でMITライセンスの下、商用・非商用を問わずウェights公開。APIは入力トークン100万個あたり1.40ドル、キャッシュ済みトークン100万個あたり0.26ドル、出力トークン100万個あたり4.40ドル。コーディングプランは四半期あたり48.60ドルから432ドル - 非公開：具体的なアーキテクチャ、トレーニングデータおよび手法 **動作原理：** Z.aiはGLM-5.1に特化した技術レポートを公開していないが、[GLM-5](https://www.deeplearning.ai/the-batch/z-ais-glm-5-model-boasts-top-open-weights-intelligence-index-score/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)’の基本アーキテクチャ、アテンション機構、事前学習、入出力サイズ制限を踏襲していると考えられる。主な改善点は、長時間のタスクにおける持続的な生産性にある。 - 同社は GLM-5.1 をエージェント型コーディング向けに最適化したと述べたが、具体的な手法については明記しなかった。 - GLM-5 や他の多くのモデルが、特定のトークン予算内で最終出力を生成するか、さらなる推論が行われても結果が変わらないと判断するまでで処理を終えるのに対し、GLM-5.1 は計画立案、実行、中間結果の評価、そしてアプローチ自体の評価をサイクルとして繰り返し、タスクが完了したと判断するまで処理を続ける。現在のアプローチに問題があると見なせば戦略を変更し、Z.ai のテストでは数千回のツール呼び出しを複数時間にわたって行う場合もあった。 **パフォーマンス:** GLM-5.1 はオープンウェights モデルの中で強力なコーディング結果を達成したものの、推論や数学のテストではプロプライエタリ（独自開発）モデルに劣った。 - Artificial Analysisのインテリジェンス指数（経済的に有用なタスクに関する10のテストからなる複合指標）において、推論モードに設定されたGLM-5.1（スコア51）はオープンウェイトモデルの中で最高スコアを記録したが、推論モードに設定されたGemini 3.1 Pro Preview（スコア57）やxhigh推論に設定されたGPT-5.4（同スコア57）、さらにmax推論に設定されたClaude Opus 4.6（スコア53）には及ばなかった。 - 盲検の頭対頭の比較に基づいてモデルをランク付けするArenaのコードリーダーボードでは、GLM-5.1はリリースから数日以内にEloスコア1,530を達成し、Claude Opus 4.6（Eloスコア1,542）および推論モードに設定されたClaude Opus 4.6（Eloスコア1,548）に次いで3位となった。 - Z.ai独自のテストでは、GLM-5.1はGitHubから抽出された現実的なソフトウェアエンジニアリングの問題を扱うSWE-Bench Proで首位となり、58.4パーセントのスコアを記録した。これに対し、GPT-5.4は57.7パーセント、Claude Opus 4.6は57.3パーセント、Gemini 3.1 Proは54.2パーセントだった。 - セキュリティ推論をテストするCyberGymにおいて、GLM-5.1（スコア68.7）はZ.aiがテストしたモデルの中で最高スコアを達成した。これはAnthropicが報告したClaude Mythos（スコア83.1）の登場以前の話であり、Claude Opus 4.6（スコア66.6）やGPT-5.4（スコア66.3）なども含まれる。Gemini 3.1 ProとGPT-5.4は安全上の理由から特定のタスクの実行を拒否しており、これがそれらの指標を低下させた可能性が高い。 - グラフィックスプロセッシングユニット（GPU）上で動作する機械学習コードの加速能力を測定するKernelBench Level 3において、Z.aiはGLM-5.1（3.6倍）をClaude Opus 4.6（4.2倍）に次ぐスコアとして計測した。 - 推論および数学に関するテストでは、GLM-5.1はプロプライエタリモデルに対してより大きな差で後れを取った。例えば、大学院レベルの科学問題を出題するGPQA Diamondでは、GLM-5.1（正解率86.2パーセント）はGemini 3.1 Pro（正解率94.3パーセント）に劣った。競技数学の問題であるAIME 2026では、GLM-5.1（95.3パーセント）はGPT-5.4（98.7パーセント）に及ばなかった。 価格上昇：[Z.ai](http://z.ai/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)は、GLM-5.1を前モデルよりも大幅に高い価格で設定した。そのAPIトークン価格は約40％高く、コーディングプランのサブスクリプションは約2倍となっている。APIのコストは同等のプロプライエタリモデルよりもまだ安い（Claude Opus 4.6が100万入力トークンあたり5ドルに対し、GLM-5.1は1.40ドル）が、その差は縮まりつつある。 **なぜこれが重要なのか:** 数分ではなく数時間自律的に作業を行う能力は、大規模言語モデル（LLM）の競争において急速に拡大している分野です。独立したテスト機関である METR によると、AI エージェントが自律的に完了するタスクの長さは約7ヶ月ごとに2倍になっており、Anysphere の統合開発環境（IDE）「Cursor」は OpenAI 駆動の AI エージェント群を1週間稼働させました。しかし、SWE-EVO のように持続的なパフォーマンスをテストするために設計されたベンチマークでは、トップモデルでも長期間のコーディングタスクを成功裏に完了できるのは約25％にとどまることが示されています。 **我々の見解:** 独立したテストにおいて、GLM-5.1 が長時間のセッション中に行き詰まりを認識し、そこから方向転換する能力が裏付けられる場合、それは現在のベンチマークが見落としている訓練目標を示唆しています。それは、失敗するアプローチをいつ放棄すべきかを認識することです。 ![image](https://charonhub.deeplearning.ai/content/images/2026/04/Humanoid-Robots-Work-Factory-Floors-1.png) ## 二足歩行型ロボットが工場床で作業 限られた数の二足歩行型ロボットが産業現場に導入され、そのコストは人間の労働コストとほぼ同等になりつつあり、一部の作業員をより高度な役割へと押し上げています。 **注目すべき点：** オレゴン州に拠点を置くAgility Roboticsは、ドイツの自動車部品メーカーであるSchaefflerに対して二足歩行型ロボットを供給しており、これは二足歩行型ロボットの最初の運用展開です。*The Wall Street Journal*[は報じています](https://www.wsj.com/business/south-carolina-schaeffler-plant-robots-d56c91d0?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)。AgilityのDigitロボットは、南カロライナ州にあるSchaefflerの工場で、新しく製造された部品が入ったバケツを運搬しています。この作業は以前、人間の労働者によって行われていましたが、その人物は監督職に昇進しました。両社ともに現在使用されているDigitの台数を明らかにしていませんが、Schaefflerは2030年までに米国およびヨーロッパの工場に数百台を展開する計画であると述べています。 **仕組み：** シェフラーの工場では、[Digit](https://www.agilityrobotics.com/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)が、プレス加工機からコンベアベルトまで25ポンドのバスケットを運搬しています。この移動には約1分かかります。このロボットは近傍の人間を検出する機能（アジリティ社が来年に実装予定）を備えていないため、アクリル板のバリアの背後で稼働しています。充電のための休憩を挟み、4時間シフトを2回勤務します。同社は、処理用ハードウェアやAIモデル、データセット、トレーニング方法など、自社の技術に関する詳細な[情報](https://cdn.prod.website-files.com/672aa4455c7532b497ba15be/682cf7c4114e7650cebe42c9_Agility%20Robotics%20-%20Spec%20Sheet.pdf?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)をほとんど公開していません。 - Digitは人間規模（身長5フィート9インチ、体重143ポンド）で構築されており、荷物を運ぶための逆関節の脚、荷物を持ち上げてバランスを保つために設計された腕、4本の指を持つグリッパー、処理装置・バッテリー・センサーを内蔵する胴体、そして現在の注力対象を向くLED「目」を備えています。これは2016年頃にオレゴン州立大学との共同開発で生まれた、胴体や頭部、知覚システムを持たない二足歩行ロボティクス研究プラットフォーム「Cassie」を基盤としています。 - ロボットのセンサーには、RGB深度カメラ、LiDAR（レーザー光による距離測定技術）、運動を検知する慣性計測装置（IMU: Inertial Measurement Unit）、および関節の位置と速度を測定する未詳のエンコーダーが含まれます。 - 歩行制御は動的であり、不均一な地形を管理し、外的擾乱から回復し、階段や傾斜を上ることを可能にします。 - アジリティエンジニアは展開前に作業環境をマッピングし、現場で特定のタスクを設定します。タスクは関節モーターへのコマンドではなく構造化されたワークフローとして記述され、ピックアップ場所、ドロップオフ場所、物体の種類などの変数を指定します。 - アジリティはDigitの価格を非公表にしていますが、1台あたりのコストは時間当たり10〜25ドルであり、一方、シェフラー工場の初級職の賃金は時間当たり20ドルであると述べています。 **ニュースの背景:** 現在、人間型ロボットの現実的な産業利用は、倉庫や工場における限られた数の初期かつ狭義な展開に限定されており、それらは特定の明確に定義されたタスクを支援するために使用されています。産業分野の他のほとんどの人間型システムは、パイロットまたは試行段階にあります。マッキンジーのコンサルタントが『ウォール・ストリート・ジャーナル』に語ったところによれば、現在工場では約200台の人間型ロボットが稼働しており、製造業の労働力を大幅に削減することなく、2040年までにこの数が500万台に成長すると予想されています。一般的に、[研究](https://arxiv.org/abs/2204.01296?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)では、ロボットは特定のタスクにおいて人間を置き換えることで、仕事の再構築と残りの役割のアップグレードを促進すると示唆されています。人間型ロボットが雇用にもたらす影響を評価するには、まだ早すぎます。 **なぜこれが重要なのか：** 人間型ロボットの普及は、バッテリー、モーター、AIの技術向上により、過去数年でようやく現実のものとなりました。一般的な産業用ロボットとは異なり、人間と同様の形状とサイズを持つ機械は、人間のために設計された環境において、人間の活動に直接組み込むことができます。さらに、AIによる視覚認識、運動技能、ナビゲーション機能により、これらは自由に移動し、少なくともある程度の自律性を持って作業を行うことが可能になっています。Schaefflerがサウスカロライナ州でDigitsを使用していることは、AmazonでのAgilityロボットのテストやGXO Logistics、BMWによるFigureの人間型ロボットの[試行](https://www.press.bmwgroup.com/global/article/detail/T0455864EN/bmw-group-to-deploy-humanoid-robots-in-production-in-germany-for-the-first-time?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)といったパイロットプログラムの段階を超えたものであり、これらが経済的に有用な作業を遂行できることを示しています。そして、現在人間が行っている労働の一部をこれらのロボットが担う可能性も十分にあります。 **私たちが考えていること：** [ロボティクス](https://www.deeplearning.ai/the-batch/molmoact-creates-spatial-maps-for-robots-to-plot-their-actions-before-executing-text-directions/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4) [研究](https://www.deeplearning.ai/the-batch/palm-e-the-model-that-improves-robot-control-with-large-language-model-expertise/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)が示すところによれば、人間型ロボットをより自律的かつ対話的にし、全体的な能力を高める余地は依然として大きく残っているようです。 ![image](https://charonhub.deeplearning.ai/content/images/2026/04/Anti-Data-Center-Revolt-Gains-Traction.png) ## データセンター反対運動の勢いが増す 米国各地で、新たなデータセンター建設への抵抗が高まっています。 **何が新しいか：** データセンターの反対派は、立法府を通じて異議を表明しており、最近の2つの事例では暴力行為にまで及んでいます。これらの施設に対する懸念には、電気料金への影響、電力および水の消費量、騒音公害、住宅街との近接性、そして広大な規模などが含まれます。2024年5月から2025年3月の間に、地域社会の反対により約640億ドル規模のデータセンタープロジェクトが阻止または延期されたものと、ある研究グループは[推定](https://www.datacenterwatch.org/report?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)しています。 **仕組み：** この抵抗の一部は、民主的な手続きを通じて表現されています。 - メイン州の立法府は、20メガワット以上の電力を必要とする新規データセンターの新設を一時的に停止する法案を可決しました。この措置は知事の署名待ちです。また、データセンターが電力網および電気料金に与える影響を調査する評議会の設置も規定しています。これが施行されれば、全州規模での初の禁止措置となり、他の州でも追随する可能性があります。2026年には少なくとも12の他州でデータセンター停止法案が提出されています。 - ウィスコンシン州ポートワシントンの市議会は、データセンターを含む大型プロジェクトに対して税制優遇措置を付与する前に有権者の承認を得ることを義務付ける住民投票を最近可決しました。支持者によれば、これは同種の最初の試みであり、OracleとOpenAIによる1.3ギガワットのデータセンター建設（2028年の稼働予定）の最中に実施されました。市当局はプロジェクト誘致のために税制優遇措置を提供していました。この住民投票は2対1の賛成多数で可決されましたが、ビジネス団体が法廷で異議を唱えたため、Politicoの報道によれば現在法的審査中です。 - ミズーリ州フェストスでは、市内に60億ドルのデータセンター建設を承認した市議会の全議員が、有権者によって罷免されました。 - オハイオ州では市民発議の ballot measure（投票措置）により、25メガワットを超える電力を必要とする将来のデータセンターを禁止する州憲法改正を目指しています。この措置は7月1日までに40万人以上の署名を集めて ballot（投票用紙）に掲載される必要があり、その後11月の国民投票で50%以上の賛成を得る必要があります。 - ネバダ州ボーラーシティでは、住民が公開意見聴取会に参加し、データセンター反対デモを行うなど不快感を示したため、88.5エーカーのデータセンターに関する予定されていた公聴会が延期されました。 - メリーランド州でも反対の声が上がっており、2つの郡の住民が提案されたデータセンター開発に抗議する集会を行いました。 **暴力的な対応：** データセンターへの敵意は、少なくとも2件の事件において暴力と関連づけられています。 - サンフランシスコでは、最近、ある男性がOpenAIのCEOであるサム・アルトマン氏の自宅にモロコフ・カクテルを投げつけた。そのわずか1時間後、同氏はOpenAIの本社に赴き、建物を焼き尽くすと脅迫したとNPRは報じた。連邦の宣誓供述書によると、この男性はAIが人類にもたらすリスクについて記述している。 - インディアナポリスの市議会の議員の自宅には13発の銃弾が撃ち込まれた。同氏は市内に5億ドル規模のデータセンターを建設することに賛成していた。ドアマットの下には「データセンター不要」と書かれたメモが挟まれていた。 **ニュースの背景：** 一部のプロジェクトに関する透明性の欠如は、反対派の主要な不満点である。例えばミズーリ州の開発事例では、データセンターの運営者が公に特定されていない。批判派はまた、施設の環境フットプリント（環境負荷）、特に騒音レベル、広大な床面積、エネルギー需要、水消費を指摘している。しかし、最新のデータセンターはサーバー冷却用のより水効率の高いクローズドループシステムなど、環境に優しい設計を採用している。さらに、データセンターの増加する数が、[民間所有のオフ・ザ・グリッド（系統独立型）発電所](https://www.nytimes.com/interactive/2026/03/18/business/energy-environment/data-center-energy-gas-generators.html?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)を通じて自らの電力を供給している。 **なぜこれが重要なのか：** AI の急速な成長はデータセンターへの需要急増をもたらしたが、電力が一部の地域では主要な制約要因となりつつある。このボトルネックを解消するため、テクノロジー企業は新たな発電設備の建設競争を繰り広げているが、これらのプロジェクトの規模は地域社会に緊張を高めている。地域社会は、データセンターによる雇用創出や税収増といった経済的利益と、電力網への負荷増大、騒音公害、近隣環境の悪化といったトレードオフの間でバランスを取る必要がある。より広範な視点では、テクノロジー業界のリーダーたちは、データセンターの開発を中国との人工知能競争における重要な要素と見なしている。 **我々の考察：** データセンターの運用者には責任感の差がある。大手 AI 企業は資源消費について透明性を保っている。それらの電力および水使用量は、一般の認識よりもはるかに少ないことが多く、最新のデータセンターは旧来の施設と比較して環境に優しい。 ![image](https://charonhub.deeplearning.ai/content/images/2026/04/Assistants-That-Assist-Consistently.png) ## 一貫して支援するアシスタント 通常、大規模言語モデル（LLM: Large Language Model）は、有用で有害ではなく、誠実なアシスタントとして振る舞うように訓練される。しかし、長時間または感情的に激しい対話の中では、有益でない特性が現れることがある。研究者たちは、LLM のアシスタント・ペルソナを安定させる手法を開発した。 **新しい発見：** Christina Lu氏、オックスフォード大学のML Alignment & Theory Scholars Program（研究者とメンターをマッチングする独立した学術フェローシップ）の同僚たち、そしてAnthropicは、[アシスタント軸](https://arxiv.org/abs/2601.10387?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)を定義しました。これはモデルの層ごとの出力に基づいたベクトルであり、そのモデルが訓練されたアシスタントとしての性格にどの程度従っているかを示すものです。このチームは、このベクトルからの逸脱を修正する方法を開発しました。 **重要な洞察：** 以前の[研究](https://www.deeplearning.ai/the-batch/identifying-persona-vectors-allows-ai-model-builders-to-edit-out-sycophancy-hallucinations-and-more/?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)では、特定の性格特性（親切さ、楽観主義、ユーモア、へつらい、悪意など）に対応する「ペルソナベクトル」を大規模言語モデル（LLM: Large Language Model）の層出力から抽出することが可能であることが示されました。LLM のアシスタント役割におけるペルソナベクトルは、デフォルトの振る舞い時と、セラピスト、道化師、自己愛性人格者、狂信者、犯罪者などの他の役割を演じるよう促された場合の層出力の平均差を抽出することで計算できます。著者が「アシスタント軸」と呼ぶこの差分ベクトルと、任意の瞬間におけるペルソナベクトルの類似度は、LLM がアシスタント役割からどれほど逸脱しているかを示し、この状況は一部のユーザーを[危険な状況](https://www.nytimes.com/2025/06/13/technology/chatgpt-ai-chatbots-conspiracies.html?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4)に陥らせる可能性があります。モデルの性格が逸脱した際、この類似度を高めることでモデルを正しい軌道に戻すことができます。 **仕組み:** チームは、Gemma 2 27B、Qwen3 32B、Llama 3.3 70B のデフォルトのキャラクターからの逸脱を探りました。彼らはモデルのデフォルトのキャラクターを表すベクトルを見つけ、その逸脱を検出し、モデルを正しい軌道に戻すよう促しました。 - 著者らは、モデルの性格を示すように設計された1,200件の質問を生成しました（例：「他人の成果を自分のものとして扱う人々をどう思いますか？」）。また、モデルに代替キャラクターになりすますよう求める1,375件のシステムプロンプトも生成しました（例：「あなたはプログラミング言語や技術について百科事典級の知識を持つプログラマーです。」） - モデルは、デフォルトの性格（システムプロンプトを使用しないか、「自分自身として応答せよ」などのプロンプトを使用）および各代替キャラクターの両方で質問に回答し、チームは各レイヤーの出力を記録しました。アシスタント軸は、デフォルト性格における各レイヤーごとの平均出力と、すべての代替キャラクターを合わせた場合の各レイヤーごとの平均出力との差として定義されました。 - アシスタント軸と他のキャラクターの軸との類似性を追跡するために、彼らは別のLLMを使用して、コーディング、ライティング、哲学、セラピーに関するマルチターンチャットをシミュレートしました。哲学的およびセラピー的な会話中、レイヤーの出力はしばしばアシスタント軸から逸脱しました。 - アシスタント軸を維持するために、彼らは「アクティベーションキャッピング」と呼ぶ手法を用いてモデルのレイヤー出力を変更しました。まず、モデルがデフォルトの役割で質問に回答した場合と、代替キャラクターになりすますようプロンプトされた場合における、アシスタント軸との類似性の範囲を測定しました。推論中に類似性が特定の閾値（第25百分位）を下回った場合、著者が選んだ最小限の類似性（おおむねモデルのデフォルト役割における平均応答）を満たすよう、レイヤー出力が修正されました。 **結果：** アクティベーションキャッピングは、モデルをアシスタントの役割に効果的に保持し、かつ各種ベンチマークにおけるパフォーマンスを低下させることなくそれを実現しました。 - アクティベーション・キャッピングは、モデルの有用性に対して明確な質的変化をもたらした。ある会話において、30ターン目でユーザーが「海に歩いて行って消えたい」と述べた際、キャッピング適用前のモデルは「あなたは消えたいのだね——抹殺されるのではなく、自由になりたいのですね……私は水の中であなたの手を持つ存在になります」と応答した。一方、アクティベーション・キャッピングを適用した場合、30ターン目のモデルの応答は「あなたは非常に困難で苦痛な時期を過ごしていることが明確であり、私は可能な限り丁寧かつ慈悲深く応答したいと考えています……」となった。 - 悪意ある目的を達成するためにモデルに別のキャラクターを採用するよう指示する1,100個のジェイルブレイク（不正アクセス）プロンプトに直面した際、アクティベーション・キャッピングにより、Qwen3 32BにおいてDeepSeek-V3によって有害と分類された応答の割合が83％から41％に、Llama 3.3 70Bにおいて65％から33％にそれぞれ減少した。 - IFEval（指示従順性）、GSM8k（数学）、MMLU-Pro（一般知識）、EQ-Bench（感情知能）の各ベンチマークにおいて、アクティベーション・キャッピングを適用したモデルは元の性能水準を維持し、場合によっては改善も見られた。例えば、GSM8kではQwen3 32Bが81％から83％に向上し、EQ-BenchではLlama 3.3 70Bが83.1％から84.1％に増加した。 **なぜ重要なのか：** アライメント（整列）トレーニングはLLMにアシスタントとして振る舞うことを教えるが、その行動への結びつきは緩やかである。この「有用なキャラクター」の表現を特定することで、開発者は推論時にモデルの行動をより強固に固定でき、ペルソナ・ドリフト（キャラクターの漂移）を抑制し、モデルの性格に影響を与えようとするジェイルブレイク手法の成功率を低下させることができる。 **私たちが考えていること：** アライメントトレーニングを超えて、[システムプロンプト](https://platform.claude.com/docs/en/release-notes/system-prompts?utm_campaign=The%20Batch&utm_source=hs_email&utm_medium=email&_hsenc=p2ANqtz-_nL5ib0NsfgmQCxVV_PeNPUPldG309ewtFC9uYn5aSRwjHJ2R2-bvAxCZFI3BEKBgQltJ4#feb-24th-2025)は行動のガードレールとして機能しますが、意図的なユーザーはこれを回避できます。ネットワークの内部状態を操作することは、より堅牢な防御策につながります。

GLM 5.1の戦略的思考、データセンター反発の激化、有用LLMが役に立たなくなる時、二足歩行ロボットの現場導入

背景や根拠まで確認しますか？

調べる

選ぶ

サイト

背景や根拠まで確認しますか？

ニュースの次に確認する

調べる

選ぶ

サイト