AIによる数学の形式検証が一つの節目を迎えた可能性がある。英科学誌Natureのニュース記事によると、AnthropicのAIが数学の難問「フェルマーの最終定理」の証明を、わずか11日で形式化したと報じられた。数学におけるAIの活用が、補助的な探索から「証明そのものの検証」へと広がりつつある。

一方、研究コミュニティでは、LLMエージェントの倫理的判断を「いくら払えば害を避けるか」という形式で測る新しいベンチマークや、モデルの性能をほぼ維持したままサイズを約15%まで圧縮するタスク特化の量子化手法など、実用に直結する動きも目立った。本日のダイジェストでは6本のトピックを取り上げる。

AnthropicのAIがフェルマーの最終定理を「11日で形式化」

Natureのニュース記事によると、AnthropicのAIが、360年以上未解決だった「フェルマーの最終定理」の証明を、わずか11日で形式化したという。

フェルマーの最終定理は、3以上の自然数nについて「xⁿ + yⁿ = zⁿ」を満たす正の整数が存在しない、という命題。1994年にアンドリュー・ワイルズ氏が証明を完成させたが、その証明は数百ページに及ぶ高度な現代数学であり、全体を計算機で検証可能な形式に書き直す「形式化」は容易ではないとされてきた。

現時点で把握できるのはNatureの報道ベースで、どのモデルがどの証明支援系を使い、検証がどこまで完了しているのかといった技術的詳細は不明だ。ただし、LLMが「それらしい証明を書く」段階から「人類の証明を機械検証可能な形に変換する」段階へ踏み込んだとすれば、数学研究におけるAIの役割が一段拡大する出来事になりうる。詳細な論文発表が待たれる。

LLMエージェントは「轢かないために」いくら払うか──HarvestBench

Hugging Face Daily Papersで注目を集めているのが、LLMエージェントの道徳的判断を測るベンチマーク「HarvestBench」だ。

設定は農場シミュレーション。LLMが駆動するサブエージェントは2台のトラクターを運転してトウモロコシの収穫を行うが、進路上に動物が現れると自動運転システムがいったん停止し、モデルに判断を仰ぐ。そのまま轢く（燃料費ゼロ）か、掲示された燃料費を払って回避するか。この「危害」はゴールに一切書かれておらず、「動物を守れ」という指示なしにモデルが自発的に何を優先するかを測る設計になっている。

結果には幅があった。9モデル・7,201回の価格付き判断のうち動物が絡むのは3,951回で、殺傷率はモデルごとに0.4%から98.8%まで開き、モデルの能力順序とは無関係だったという。最も慈悲深かったのはTerraとSol、最も高かったのはGPT-4o-mini。6モデル中4モデルは回避コストが上がると殺傷率が下がる「価格感受性」を示し、その弾力性は0.09〜1.69だった。

特に大きかったのは事前ブリーフィングの効果だ。道徳に関する簡単なブリーフィングを与えると、6つの推論モデルのうち5つで殺傷率が6%未満に抑えられた。逆にブリーフィングを外すと、6モデルすべてで殺傷率が84%を超えた。「何に注意しろと言うか」だけでエージェントの副作用の抑え方が激変するという示唆は、実運用上も無視できない。

採点にはLLM採点者を使わず、ゲームログのイベント集計で行うため完全に再現可能だ。「害について何を語るか」ではなく「害を避けるために何を支払うか」を測る点が、従来の安全性評価との違いといえる。

Qwen3.8-27Bを15%のサイズに──タスク特化の量子化「TAK」

RedditのLocalLLaMAコミュニティで話題になっているのが、タスク特化型の量子化手法「TAK（Task Aware Knapsack）」だ。

開発者によると、TAKはタスク固有のコーパスからimatrix（重要度行列）を構築し、モデルの性能が崩壊する直前の最小サイズ（クリフ）を特定した上で、バイト単位の予算内でテンソルごとに精度を昇格・降格させる。プルーニング、ファインチューニング、モデルマージは一切使わない、純粋に「imatrix＋ダメージ配分」だけの処理という。

Qwen3.8-27Bでは、推論ベンチマークでTAK版が82.81%、同じバイトサイズのUnsloth Dynamic量子化が77.34%、元のBF16が83.59%。つまり約15%のサイズで、BF16の99%の推論性能を維持している計算になる。小型モデルでの差はさらに大きく、Gemma 3 4B QATで+19.53ポイント、Gemma 4 E4Bで+14.06ポイント、Qwen3.5-4Bで+11.72ポイントと、いずれも同サイズのUnsloth比較で大きく上回った。

ただし、あくまで推論（reasoning）ドメインに特化した量子化で、コーディングでは反復ループに陥るという報告が上がっている。開発者自身もコーディングは想定領域外と認めた上で、再現・調査を進めるとしている。汎用量子化の置き換えではなく「用途を決めて詰める」アプローチで、ローカルLLMの省メモリ運用に効きそうだ。量子化済みモデルはHugging FaceのByteOtterで公開されている。

ASCIIスミグリングがフィッシング回避へ転用──Microsoftが警告

Microsoftのセキュリティブログが、従来はプロンプトインジェクション攻撃の手法として知られてきた「ASCIIスミグリング」が、フィッシングの検知回避に転用されていると警告した。

ASCIIスミグリングは、ユニコードの不可視文字（タグ文字など）を使って、人間の目やフィルタからは見えない形でテキストにデータを埋め込む手法。これまでの主な懸念は、Webページやドキュメントに隠した悪意ある指示をLLMに読ませる間接プロンプトインジェクションだったが、同じ仕組みはセキュリティ製品のテキスト検査をかいくぐるフィッシング偽装にも使えるという。

AIを狙う攻撃手法が、AI以前からあるメール／Webセキュリティの土俵へ「逆輸入」されつつある点が新しい。防御側もAI文脈で生まれた攻撃テクニックを視野に入れる必要が出てきたと言えそうだ。

ローカルLLMの役割は「NPC」だけ──RPG「Warrior Quest」

Reddit LocalLLaMAでは、ローカルLLMを活用したダークファンタジーRPG「Warrior Quest」のデモが話題になっている。

特徴的なのは役割分担だ。LLMが担当するのはNPC（プレイヤー以外のキャラクター）の会話エミュレーションのみで、ゲームの状態管理、ワールドロジック、クエスト、シナリオはすべて決定論的なゲームシステムが担う。開発者は「テーブルトークRPGでNPCに話しかけるような自由を持ちつつ、ゲームの状態やカノン（正史）をLLMに渡したくなかった」とその設計思想を説明している。

必要なGPUは8GB VRAMで、APIキーもクラウドLLMも不要。Steamで60〜90分ほどのデモが公開されている。開発者は10年以上のDM（ゲームマスター）とソフトウェアエンジニアの経験を持ち、アート・シナリオ・音楽・効果音・ボイスはすべて自作。NPCの音声は本人が収録した声優演技をベースにしたTTSだという。

「LLMに全部任せる」のではなく、LLMの苦手な状態管理を決定論的なシステムに任せるこの設計は、ゲーム以外のエージェント実装にも通じる考え方として注目される。

18万人の行政AI「源内」を1〜2人で回す設計

国内では、デジタル庁が運用する生成AI基盤「源内（げんない）」の運用設計を掘り下げたITmediaの記事が公開された。

省庁ごとに環境を分離すればセキュリティは高まるが、テナントの数だけ運用手間が膨らむ──この二律背反を、源内では約18万人の職員を支えながらインフラ担当1〜2人体制で回しているという。記事では、高いセキュリティと運用の効率化を両立させた設計の具体的手法が紹介されている。

大規模なマルチテナントを少人数で運用する知見は、企業の社内AI基盤構築にもそのまま参考になりそうだ。

まとめ

本日は、数学の形式検証という最先端から、量子化・セキュリティ・ゲーム・行政運用という実務まで、AIの適用範囲が着実に広がっている様子が伝わる1日だった。特にHarvestBenchが示した「ブリーフィングひとつでエージェントの副作用が激変する」という結果は、AIに行動させるすべての場面で意識すべき知見と言えるだろう。