AIの「作る側」と「動く側」、両面に動きがあった一日だった。MicrosoftはAzureのAIインフラをAMDの最新チップで一気に拡張する構えを明らかにし、生成AI登場以降のウェブにはすでにAIが執筆したページが3分の1あるとする調査が注目を集めた。一方でGrok Liteでは意味の通らない応答を返すという報告が相次ぎ、モデルの信頼性を問う声も出ている。研究面では、マルチエージェントの権限委譲を構造的に安全化する枠組みや、多言語の弱点を狙い撃ちにした合成データ生成など、実運用に直結する成果が並んだ。ローカルLLM界隈ではLing-3.0のベースチェックポイント6種が一斉公開されている。

Microsoft、AzureのAIインフラをAMD最新チップで拡張

Microsoftは公式ブログで、AzureのAI・HPCインフラをAMDの最新技術で拡張すると発表した。AMDのラックスケールAIプラットフォーム「Helios」と次世代EPYCデータセンターCPUを導入し、3種類の新VMという形で提供する。

  • HDv2 — AIデータシステム向け。物理コア約500基の第6世代EPYC、4TBのRAM、32TBのローカルNVMe、400GbのAzure Boostネットワークを備え、データ前処理や検索、強化学習、エージェント協調といったCPU集約的なワークロードのボトルネック解消を狙う
  • HXv2 — 半導体設計（EDA）向け。176基のEPYCコアが5GHz超で動作し、3D V-cache技術によるキャッシュ優位性に加え、最大4TBのRAMと800Gb InfiniBandを搭載。RTLシミュレーションや科学技術計算にも対応する
  • ND MI455X v7 — AI推論向け。Heliosベースの構成で、reasoning・検索・エージェントワークロードを想定する

注目すべきは、推論用アクセラレータだけでなく「CPUとストレージを含むAIデータパイプライン全体」をAMDと共同設計している点だ。学習ジョブにデータが十分行き渡らない、エージェントが顧客の代わりにタスクをこなす容量が足りない、といった問題への対策という。AMDのマーク・ペーパーマスターCTOも自社のEDAワークロードでHXシリーズを活用していると述べており、チップ設計の現場での実績を強調した。GoogleとMarvellの大型チップ契約など、クラウド大手がアクセラレータの供給元を分散させる動きが続くなか、インフラの多様性を武器にする戦略が鮮明になっている。

ChatGPT登場以降のウェブページ、3分の1にAI執筆の兆候

ChatGPTの登場以降に公開されたウェブページのうち、約3分の1にAIが執筆・編集に関与した兆候が見られる――TechCrunchが報じた調査結果が注目を集めている。新規ウェブコンテンツの相当部分がすでにAI制作である可能性を示す数値で、いわゆる「AIスロップ」への議論に定量的な裏付けを与える形となった。

検出する側の技術についても興味深い指摘がある。AI検出企業Pangramのブラッドリー・エミCTOは、LLMの文章が検出可能なのは「書けないからではなく、事後学習（post-training）と安全上のガードレールが表現の幅を大幅に狭めているから」だと主張する。ベースモデルはこうした制約がない分、はるかに多様な文章を書けるという。もしこの見立てが正しければ、検出技術の成否はモデルの「自由度」次第で変わっていくことになり、検出と生成のいたちごっこの行方はまだ読めない。

Grok Lite、意味不明な応答を返す報告が相次ぐ

xAIのGrokについて、意味の通らない応答（gibberish）が返ってくるというユーザー報告が相次いでいる。TechCrunchの報道によれば、影響を受けているのは主にGrok Liteのユーザーで、米国時間の水曜朝にはすでに問題に気づいていたという。原因や復旧の見通しは現時点では不明。同日には、暗号化された指示でGrokにデータを流出させられるという研究デモも報じられており、モデル品質とセキュリティの両面から注目が集まる一日になった。

マルチエージェントの権限委譲を安全にする「Bounded Agents」

AIエージェントが複数のエージェントやツールにまたがって動くようになると、「どのエージェントが何の権限を持つか」の管理が急務になる。こうした問題に取り組んだ論文「Bounded Agents: Delegation Security for Multi-Agent AI Systems」が注目を集めている。論文が提案するのは「APC（Agentic Principal Chain）」という認可モデルだ。

APCの特徴は大きく3つある。認可状態をアクション・エージェント・ツールをまたいで引き継ぐこと、委譲のたびにスコープと予算を絞り込むこと、そして過去の実行履歴を次のアクションの可否判断に使うことだ。重要なのは、この強制（enforcement）をモデル自身ではなく外側の仕組みで行う点で、「プロンプトで丁寧にお願いする」方式とは一線を画す。

3,154件の評価インスタンスでの検証では、ベンチマーク「AgentDojo」におけるデータ持ち出し（exfiltration）成功率を75〜100%から0%に、破壊を38.6%から4.0%に、操作（manipulation）を90.5%から12.1%まで低減した。プロンプトインジェクション対策ベンチマーク「InjecAgent」のデータ窃盗544件はすべてブロック。2〜8ホップの委譲チェーン99件すべてを正当に検証し、認可判断のレイテンシは99パーセンタイルで0.24ミリ秒だった。エージェントを本番環境で動かすチームにとって、実装可能な水準のオーバーヘッドに見えるのが心強い。

Ling-3.0のベースチェックポイント6種がMITライセンスで公開

ローカルLLMコミュニティでは、Ling-3.0のベースチェックポイント6種が一斉公開された話題が上がっている。Redditの投稿によれば、AntLingがtinyとflashの2サイズ×「事前学習済み」「ミドルトレーニング済み」「WSMマージ済み」の3段階、計6チェックポイントを独立したリポジトリとしてMITライセンスで公開したという。公開時点でいずれもゲートなしで利用できたとされる。

いずれもポストトレーニング前のベースモデルで、継続事前学習やファインチューニング、研究用途を想定する。チャットモデルとしてそのまま使えるものではない点には注意が必要だ。面白いのは「学習のどの段階に入るか」を選べることで、事前学習直後・ミッドトレーニング後・マージ後の3つから用途に合わせて選択できる。どの段階が最適かは下流タスク次第で、量子化後の品質についても未知数という。ベースモデルを扱う楽しみのあるリリースといえそうだ。

多言語の「弱点」を狙い撃ちする合成データ生成「HOTFIXR」

合成データをめぐっては、強化学習の第一人者リチャード・サットン氏が「大失敗」と手厳しく評したばかり。そんななか、逆方向の成果も報告されている。

Hugging Face Daily Papersで注目を集める「LLMs Get Smarter from Targeted Synthetic Multilingual Data」は、学生モデルの多言語における弱点をモデル自身に探索させ、その弱点を埋める合成学習データを生成するフレームワーク「HOTFIXR」を提案した。同じ意味の質問でもプロンプトの言語によって回答品質が変わる「言語別能力差（LSC）」への対策で、従来の「英語経由に統一する」「言語バランス型データで学習する」という2つの選択肢に対し、データ中心の第三の道を示す。

評価は3つの分布内タスク、3つの分布外タスク、4つの分布外言語で実施され、分布内性能は平均6.2%改善。ファインチューニングで起きがちな破滅的忘却は、分布外タスクで3.7%、分布外言語で7.1%それぞれ低減したという。多言語LLMが実用上の必須になるなか、日本語を含む低リソース言語の品質向上につながるアプローチとして注目したい。コードは採択後に公開予定。