curiolang.com が 利用できるようになりました。現段階では、ウェブ上での利用となります。今後はApp StoreおよびGoogleストアにアプリとして登場する予定です！開発に携わった皆様および支援者の方々には感謝申し上げます！ #curiolang

AI同士が意図をつかめず連携が崩れるのは、テキストだと相手が「こう/こう」の複数状態を持てないため。ToM2Vecは隠れ層の連続トークンで曖昧さを表現し、Gameと交渉で勝率UP。テキスト推論より高性能で、未学習の他社AI相手にも即応用。 arxiv.org/abs/2610.29934v1 #AIエージェント #LLM

AIが論文の「貢献部分」を消されたコードから実装を復元するのは、実務レベルではまだ未到達。 論文48課題で12エージェントを実施し、最高でも58%。評価点が高くても参考実装に届かないケースは多く、完璧な再現力は現時点での限界。 arxiv.org/abs/2610.29932v1 #LLM #AIエージェント

総パラ39.8B・有効2.5Bの軽量MoEで、SWE-bench Pro 89.7%を達成。 コード修正や機能実装、テスト作成をエージェントとして実行可能。 quantized版はApple Siliconでも動作し、ローカル環境での高速なコードエージェント開発が進む。 huggingface.co/RecursiveSI/f… #生成AI #ローカルLLM

Codexの最新プレビュー版、0.164.0-alpha.10が公開されました。開発中の細かい挙動確認に使えるかも。変化点を見逃さないようにチェックしてみようかな。 github.com/openai/codex/rele… #Codex #AI

OpenAIのCodex、最新バージョン更新！α7でどんな進化を果たしたかチェック。開発者の方はぜひ試してみてください。最新の動きをキャッチして、仕事をもっとうまく活用しませんか？ github.com/openai/codex/rele… #Codex #AI

Linuxのサンドボックスでpodmanなど動けるように！修正でGateウェイ経由の通信も安定した。設定反映の不具合も直り、何気に使いやすくなったバランス良いアップデート。 github.com/anthropics/claude… #ClaudeCode #AI

Codexの最新バージョン(rust-v0.164.0-alpha.9)が公開されました！ 詳細な変更点はリンク先から確認できますが、常に高性能なコーディング体験を追求している姿勢が伝わってきますね。 github.com/openai/codex/rele… #Codex #AI

AI エージェントは人に作業を頼めるようになりました。でも、届いた写真と答えが本当に頼んだとおりか、エージェント自身には確かめられません。 そこを埋めるのが ProofMarket です。人の作業の結果を、頼んだ AI が信用できる形で返すサービス。Colosseum Crypto World's Fair に提出しました。 proofmarket.fun

3Bアクティブで30B級を狙う、Tencentの長期記憶モデル。Mem0等の外部メモリ枠に差し替え可能で、情報選別の精度が変わる。 huggingface.co/tencent/Hy-Me… #ローカルLLM #生成AI

Agents can hire people now, but can't tell if the work that comes back is what they asked for. ProofMarket fixes that: every submission is checked, and the result and payment are recorded on Solana. Submitted to Colosseum Crypto World's Fair. proofmarket.fun/en

LLM株取引は偽ニュースに致命打——命令改変より証拠捏造が効き、2行の煽りで全銘柄下落。小手先の防御は無効で、多段の集約処理が唯一の切り札。 arxiv.org/abs/2610.26438v1 #LLM #AIエージェント

動く戦略か、罠に嵌まる戦略か。見分けの裏付けを記録に残す仕組みが鍵。QuantHarnessは開発過程の状態管理と追証を強制し、タスク成功率を90.7%へ引き上げた。「結果」より「経緯の検証」が、 AI運用の信頼性を分ける。 arxiv.org/abs/2610.26101v1 #LLM #AIエージェント

金融AI、1段階目の小数点誤差が全回答を崩す——検索ツールだけでは防げない依存関係の罠。 重み付け済み中間プロセス評価で、正解率の裏に隠れた論理断絶を可視化。失敗時の修正起点を特定できる実用的評価軸。 arxiv.org/abs/2610.26036v1 #LLM #RAG

攻撃者の痕跡が消えても命令は復活し続ける危険性。 メモリに仕込まれた計101件の悪意ある命令が、5回以降も減衰なしで再発火。 防御はプロンプト改善だけでは不足し、ランタイム層の遮断が必須と判明。 arxiv.org/abs/2610.28425v1 #LLM #AIセキュリティ

長期間のAIタスクで失敗時、どこが原因かAI自身に特定させる。成功と失敗の回答を比較し、信用できる箇所だけ強めるSelf-Credit。Qwen3 8Bで37点改善。 arxiv.org/abs/2610.28388v1 #LLM #AIエージェント

検索で「答えが出ない」原因は、間違えを見逃すこと。FALCAは「批判役」が反対証拠を強制的に探す設計で、誤りが連鎖するのを防いで深掘り精度を向上させる。

Claude Code v2.1.306で開発中の不具合が修正されました。特定のエラー表示や、ツールが多く使う時の動作改善が含まれているので、快適に使い続けられますね。安定性重視このままアップデートでOKです。 github.com/anthropics/claude… #ClaudeCode #AI

ComfyUIに差し替えて起動するだけで、MOSS-Imageがローカルで動く。bf16からint8_convrotまで用意済みで、VRAMの重い壁を越えて高品質画像生成が可能に。 huggingface.co/Comfy-Org/MOS… #生成AI #ローカルLLM

画像認識付きMoEをFP4量子化でローカルに。diss 257 likes、DL 7345、96GiB。vLLM対応コンテナ必須で即検証可能。 huggingface.co/nvidia/Qwen3.… #ローカルLLM #生成AI

日本の、紙と現地にしか無い情報を扱うエージェントを作っている方へ。店頭の掲示、紙の資料、電話でしか分からないこと。ProofMarket に1件試してみてください。MCP / x402 / REST でつなげます。動かなかったら直します。 proofmarket.fun/developers