Did Codex Reset
GitHub

Xiaomi、強化学習に品質チェックリストスコアを導入しMiMo-V2.6-Proのテストハッキングを防止

DeepLearning.AI

単体テストの合格のみを目的に学習したモデルは、要求されていないコードを挿入したりエラーを検知せず黙殺したりするといった望ましくない挙動を示した。Xiaomiは強化学習において各テスト結果に品質チェックリストのスコアを乗算し、こうしたテストハッキング挙動を抑止した。

この調整を経て、MiMo-V2.6-Pro RLはArtificial Analysis Intelligence Indexで46点を記録し、オープンウェイトモデルの首位に立った。DeepLearning.AIはこの学習手法の解説を公開している。

#xiaomi#mimo-v2.6-pro#強化学習#artificial-analysis

Gemini 3.8 LiveがArtificial Analysis音声対音声指標で首位、音声1時間あたり0.84ドル

GoogleのGemini 3.8 Live Extended ThinkingモデルがArtificial AnalysisのSpeech to Speech Indexで首位を獲得し、標準モデルはブラインド形式の人間によるリアルタイム評価で2位となった。標準モデルの音声入力コストは1時間あたり0.84ドルで、同指標に掲載されている中で最安となっている。

DeepLearning.AI、The Batch で DeepSeek のキャッシュ削減と Flash のベンチマーク結果を詳述

DeepLearning.AI は The Batch の最新号で DeepSeek のアーキテクチャを分析し、トークンあたりのキャッシュが 890 バイトと DeepSeek-V1 より 437 倍削減されたと報告した。また、入力が 4K から 1M トークンに拡大すると出力トークンあたりの計算量が 25% 増加する点や、AA Index で Flash が V4-Pro を上回った点も指摘している。

GLM-5.3のExploitBenchスコアは12%、Claude Mythosの14%に迫る

DeepLearning.AIの週次レターはAnthropicの数値を引き、GLM-5.3がExploitBenchのエクスプロイト課題の12%を、Claude Mythosが14%を解いたと示している。また、20.40ドル分のトークンでGoogle Chromeの最近のセキュリティエクスプロイトが見つかったとも述べている。