Genspark AI Developer を立ち上げた Eric と @genspark_ai のチーム、おめでとうございます! これは、Replit のようにブラウザーで実行されるセットアップ不要の完全な IDE です。あなたが望むものを説明し、視覚的なフィードバックを得て、あなたはアウトプットを反復します。 モデルを選択できます(例:Claude Opus 4.1、GPT-5など)。コーディングの経験がほとんどなく、使いやすいバイブコーディングツールを探している場合に最適です。

ARC-AGI-3 プレビュー: +3 ゲームがリリースされました プレビューエージェントコンペティションで以前は非公開だった3つのホールドアウトゲームをオープンしました 現在、6 つのゲームがオンラインおよびエージェント API 経由でプレイできるようになりました ARC-AGI-3公開ゲームの目新しさを広げるために、各ゲームが選ばれました あなたは彼らに勝つことができますか?

米国の労働者の間でのLLMの採用率は50%に近づいています。一方、労働生産性の伸びは2020年よりも低い。 ここでは、「彼らはまだ生産的な方法を知らず、1〜2年しか使用していない」、「50%はまだ低すぎて影響が見られない」、「来年のモデルは信じられないほど良くなるだろう」など、多くの反論がここで行うことができます。 しかし、2023年の話題である「LLMは労働者の生産性を10倍にする」(100倍を引用する人もいる)はおそらく正確ではないと言うのに十分な証拠が得られたと思います。

テクノロジーに賛成しているからといって、新しいテクノロジーの悪影響に目をつぶるわけではありません。これは現実的な楽観主義の実践であり、マイナス面を管理しながらプラス面を最大化します。

ARC-AGI-1に関するHRM論文の強力な知見を再現することができました。 さらに、その背後にある原因を突き止めるために、一連のアブレーション実験を実行しました。 主な調査結果: 1. HRMモデルアーキテクチャ自体(論文の中心)は重要な要素ではありません。 2. 外側の改良ループ (論文ではほとんど言及されていません) がパフォーマンスの主な原動力です。 3. クロスタスク転移学習はあまり役に立ちません。重要なのは、テストするタスクに関するトレーニングです。 4. 特に推論時に使用するデータ拡張の数を大幅に減らすことができます。 発見2と3は、このアプローチが、Liaoらが最近発表した論文「ARC-AGI without pretraining」と同様に、*ゼロ事前トレーニングテスト時間トレーニング*のケースであることを意味します。

Google は、優れたパフォーマンスを備えた新しい小型 LLM である Gemma3 270M をリリースしました。 KerasHubで利用可能になりました。新しいプリセット「gemma3_270m」と「gemma3_instruct_270m」をお試しください!

無人配車の経済性に関する未解決の質問: 1. ドライバーを外すことで(Uber/Lyftよりも)コスト削減はどの程度になりますか? 2. そのコスト削減は需要をどの程度増加させますか? 3. UXの変化は需要に大きな影響を与えるか? 4. 地理的な利用可能性が大幅に向上するでしょうか (ドライバーが不要 = より多くのタクシーを道路に設置できます)? 1の場合:他のすべてを考慮した後のLyft / Uberの乗車の人件費は価格の20〜40%にすぎず、最良のシナリオでは削減が-40%に制限されます。しかし、無人タクシーネットワークでは、固定費(AIエンジニア、データセンター)が大幅に高くなり、単価がゼロではない(頻繁な室内清掃、自動運転ハードウェアの償却)ため、現実的には-15〜20%程度を見ています。 したがって、自動運転の乗り物が大規模な配車サービスよりも安くなることは間違いありません。しかし、効果の大きさはほとんどの人が予想するよりもはるかに小さいでしょう。それでもかなり高価です。 2: おそらくそれほど多くはありません -- ダイナミックプライシングのため、価格はすでにこれ以上変動しており、数年前には Uber が需要に多額の補助金を出していたため、乗車料金が 20% 安くなったらどうなるかについてのデータがあります。すでにUber/Lyftが十分にサービスを提供している地域のTAMは、ドルベースで一定に保たれながら、マイルベースで~20%増加する可能性があります。 3: (Waymo の展開を通じて) 人々は車にドライバーがいないことを好むことがすでにわかっており、価格に敏感な顧客はその体験のためにより多くのお金を払うことをいとわないと思っています。しかし、それはすべて良いことではなく、車の清潔さについて懸念がありました(簡単に対処できますが、単価が増加します)。全体として、UXの変更がTAMをそれほど増加させるとは思えませんが、ほとんどの人にとって価格と入手可能性が重要な要素になります。 4の場合:これはワイルドカードに近い1です。自律型ネットワークのコストのほとんどは固定費です。増分単価は、主に自動車原価の償却(丸め誤差)と清掃です。これは、自律型ネットワークが現在の Uber/Lyft ネットワークよりもはるかに高いカバレッジを持つ可能性があることを意味します。しかし、これらのネットワークが*どこにでも*拡張されるわけではなく、少なくとも短い待ち時間で拡張されることはありません。この効果からTAMがいくらか増加し、おそらく+20〜30%になると思います。 全体として:ドルベースではTAMの段階的な増加が予想されますが、全体として、市場は新しい交通パラダイムというよりもUber++に似ているでしょう。米国では、特に人口密集地域以外では、ほとんどの人が引き続き自分の車を運転します。

私たちが発見した楽しいことは、#Genie3 を使ってお気に入りの絵画に足を踏み入れて探索できるということです。 エドワード・ホッパーの「ナイトホークス」を少し見てみましょう。

Grok 4は、フロンティアモデルの中でもARC-AGI-2で最先端です。 Grok 4 の 15.9% 対 GPT-5 の 9.9%。

Grok 4は、フロンティアモデルの中でもARC-AGI-2で最先端です。 Grok 4 の 15.9% 対 GPT-5 の 9.9%。