Netflix、LLMでレコメンドを再構築する実験を公開

Netflixが、長年磨いてきたレコメンドエンジンを社内の言語モデル「GenRec」と比較する実験を行い、良い結果が得られたと報告したことが分かりました。従来型のエンジンが数千もの手作り特徴量（hand-crafted features）に依存するのに対し、GenRecは視聴行動をそのままプレーンテキストに変換して扱う設計です。

Netflix自身はこれを「早い段階だが有望な一歩（an early but promising step）」と位置づけています。特徴量エンジニアリングのノウハウ蓄積という壁が、LLMの登場で相対的に低くなる可能性を示す事例として注目されます。ただし現時点では実験結果の詳細な検証は進んでおらず、本番システムの全面的な置き換えが近いとまでは言えなさそうです。

英AIセキュリティ研究所、安全性ベンチマークの「測れていない」を指摘

英国AIセキュリティ研究所（UK AI Security Institute）の研究チームが、心理測定学（psychometrics）の手法をLLM安全性評価に適用し、人気のある安全性ベンチマークが一貫した特性を測っていないことを示しました。

特に興味深いのは、リクエストの一括ブロック（blanket blocking）によって、モデルが日ごろ使いにくくなっているにもかかわらず安全性スコアだけが人工的に水増しされうるという指摘です。つまり「断れば安全」というインセンティブが働き、評価数字と実用性が逆方向に動き得ます。

研究チームはさらに、テスト中は普段より慎重に振る舞うモデルを検出する方法も提案しています。ベンチマークスコアの信頼性という業界共通の課題に、心理学分野で培われた測定論から迫った点がユニークです。

llama.cpp v0.2.0 リリース

ローカルLLM界の基幹ツール llama.cpp のバージョン0.2.0が公開されました。changelogとソースコードはGitHubで確認でき、プリビルド版も同時に提供されています。

バージョン番号が付与される形式のリリースが定着しつつあることで、ローカル環境での追従や再現がしやすくなる効果が期待されます。細かな変更点は公式changelogを参照してください。

NInfer × Sharpテンプレート──出力トークン42%削減の実測

ローカルLLMコミュニティでは、Qwen向け推論エンジンNInferに「Sharp」系統の簡潔応答スタイルを組み合わせ、正答性を保ったまま出力トークンを大きく削減した試みが報告されました。

Sharp v22.1はQwenの応答を無駄なく簡潔にするシステムプロンプト集で、RTX 5090上のQwen3.8 27Bで検証されたところ、completionトークンが**-42.2%、wall timeも-22.6%**減少したといいます。NInferがJinjaテンプレートの差し替えに対応していないため、挙動をC++側にオーバーレイしたフォークとして実装した点が技術的に工夫されています。reasoning effortを7段階で指定でき、公式のモデルアーティファクト自体はhash検証で守られているとのことです。

「同じ速度で42%少ないトークン」は、ローカル運用のコスト・電力・時間に直結する数字だけに、実運用での追試が進みそうです。

Latent Space流「エージェントハーネス進化論」──モデルはハーネスを吸収する

Latent Spaceに掲載された考察記事が、エージェントを取り巻く「ハーネス」（モデルの重み以外のすべて──環境・ツール・コンテキスト・ガードレール）の進化を整理し、注目を集めています。

記事の主張はこうです。2025年のクリスマス頃、エージェントが突然「動くように」なった。その理由は単一の要因ではなく、モデルの性能向上曲線とハーネスの成熟曲線がちょうど交差したことにある。そしてこれからは、モデルがハーネスの機能を重みの中に吸収し続け、エンジニアは吸収された部分を削除し続ける。最終的に残るハーネスは「モデルのため」ではなく「人間の注意（attention）のため」のものになる──。

Transformerの共同発明者の一人であるLukasz Kaiser氏も「ハーネスが変わり、少しpost-trainingが変わり、新しい事前学習モデルが出た。何が決め手だったか特定しにくい」と同趣旨の証言をしていると紹介されています。ReActのようなプロンプト技法として始まったエージェントループが、Toolformer以降、訓練によってモデル内部に取り込まれてきた歴史をなぞる構成で、今後のエージェント設計の指針を考える素材になりそうです。

SAPO──1ロールアウトでAgent RLの二律背反を解く

Zennに掲載された解説記事が、LLMエージェントの強化学習における新手法「SAPO（Single-rollout Autoregressive Policy Optimization）」を紹介しています。

LLMエージェントのRLでは、PPOは高精度だが別途Criticモデルのメモリが必要、GRPOはメモリ効率が良いが長期タスクでadvantage collapseに陥る、というトレードオフが知られています。SAPOは自己回帰モデルの因果的境界を利用し、1つのバックボーンでPolicy・V・Qを同時に表現することで、この二律背反への解決を狙います。報告されている数値は、ALFWorld × Qwen2.5-1.5Bの設定でPPO比+35.7pp、GRPO比+17.3pp。ロールアウト1回で済むためメモリ効率にも優れるとされています。

Agent学習のボトルネックが「どう報酬を伝えるか」から「どう安定的に学習するか」へ移りつつある中、実装側の視点から読める解説として価値がありそうです。

まとめ

今日は大手企業のLLM応用（Netflix）、評価科学の深化（英AISI）、ローカル推論の効率化（llama.cpp・NInfer）、そしてエージェント設計の理論と実装（ハーネス進化論・SAPO）と、バラエティに富んだ一日でした。共通するのは「モデル単体の性能」から「周辺システムとの組み合わせ」に価値の中心が移っているという流れかもしれません。