Quartz 5

2026-05-20 AI Trend

Properties1
tagsfeed/ai-trend

12 min read

このノートについて

自動生成されたAIトレンドフィード。★★★項目で永続化したいものは AI Trends MOC 経由で Atlas に昇格する。

2026-05-20 AIトレンド

今日のサマリー

Karpathyの Anthropic 移籍が一日の主役。HN 1000pts超で、Anthropic の研究厚みが業界の関心を集めている。並走するのが Simon Willison の「過去6ヶ月の LLM 総括」トーク（記事化）で、Sonnet 4.5 → GPT-5.1 → Gemini 3 → Claude Opus 4.5 と王座が5回入れ替わった激動期と、コーディングエージェントが「ほぼ動く」段階に入ったことを総括している。Google からは Gemini 3.5 Flash と Gemini Omni がリリースされ、エージェント特化モデルの軸足が明確に。arXiv は「Skills × Agent」関連が異常に豊作で、SkillSmith・Scaling Laws of Skills・Context Pruning など、Claude Skills の設計議論にそのままぶつかる論文が同日に出ている。Reddit 全 sub が環境からブロックされ取得失敗。

★★★ 注目

過去6ヶ月のLLMを5分で総括

  • 原題: The last six months in LLMs in five minutes
  • ソース: simon-willison（HN 717pts/542コメント経由でも上位）
  • シグナル: HN front page #2、Simon 自身の人気トーク文字起こし
  • 要点: Simon が直近6ヶ月の LLM 業界を整理。最強モデルの座が Anthropic・OpenAI・Google の間で5回入れ替わり、Claude Sonnet 4.5 → GPT-5.1 → Gemini 3 → Claude Opus 4.5 と続いて Opus 4.5 が数ヶ月覇権を握ったと総括。最大の変化はコーディングエージェントが「時々動く」から「ほぼ動く」段階に入ったことで、verifiable reward を使った RL が主因と分析。並行して中国系の GLM-5.1 や Qwen3.6 など open-weight モデルがサイズ比で frontier 級を抜く例も出始め、20.9GB のローカルモデルが一部 frontier を上回る局面も出てきた。さらに “OpenClaw” 系のローカルエージェントが Mac mini を買い占める社会現象になっているという観察も。
  • なぜ刺さるか: 興味プロファイル「LLM 技術全般・新モデル」「長文コンテキスト・メモリ」のキャッチアップそのもの。半年単位の業界変化を Simon の視点で圧縮しているため、自分の認識のズレを最短で補正できる。Opus 4.5 の覇権期間や Claws の社会現象あたりは追い込み調査の起点になる。

Andrej Karpathy が Anthropic に参加

  • 原題: I’ve joined Anthropic
  • ソース: hackernews（元ツイート: https://x.com/karpathy/status/2056753169888334312）
  • シグナル: 1007pts / 407コメント（本日HN首位）
  • 要点: Karpathy が Anthropic 入社を発表（本文は X 側で取得不可、HN タイトルとコメント傾向から）。OpenAI 創業期メンバー、Tesla AI 元責任者、その後 Eureka Labs 創設という経歴を踏まえると、Anthropic の研究側（おそらく Education / Pretraining / Interpretability 周辺）への合流と推測される。XAI vs Anthropic vs OpenAI の人材移動図に大きな矢印が入った形。
  • なぜ刺さるか: 興味プロファイル「新モデルリリース・主要発表」と「LLM 評価・解釈可能性」の交差点。Karpathy の発信は教育コンテンツ寄り（nanoGPT, Eureka）で、Anthropic 内部の “Claude Code 教育” や interpretability 解説の方向性に影響しうる。眉唾だが、Skills/Agent SDK 系のオープン教育コンテンツが Anthropic から出てくる可能性が高まったと見ている。

Google が Gemini 3.5 Flash をリリース、エージェント特化

  • 原題: Gemini 3.5 Flash
  • ソース: hackernews（538pts/274コメント）
  • シグナル: Google 公式ブログ、HN 上位
  • 要点: 「エージェントタスクに最適化した frontier 級モデル」を謳う Flash 系の新版。出力トークン速度が他 frontier モデルの 4倍、Terminal-Bench 2.1 で 76.2%、GDPval-AA で 1656 Elo、MCP Atlas で 83.6% と、ベンチが軒並み agent 用途寄り。Gemini 3.1 Pro を agentic/coding で上回ると主張。価格も他 frontier の半分以下を強調。Gemini Omni（マルチモーダル）も同日リリースで、agent 軸 + omni 軸の二段構え。
  • なぜ刺さるか: 「新モデルリリース」コア領域に直撃。注目すべきは Google がベンチ選定を Terminal-Bench / MCP Atlas / GDPval に寄せたこと（MMLU 系ではなく）。これは harness 工学の評価対象化 がメジャーになった証拠で、HAL / Meta-Harness 系の議論と接続する。「速度4倍」が agentic loop の RPS を律速していた現状にどう刺さるかは要観察。

SkillSmith: エージェントSkillを境界ガイド型ランタイム・インターフェースにコンパイル

  • 原題: SkillSmith: Compiling Agent Skills into Boundary-Guided Runtime Interfaces
  • ソース: arxiv（cs.AI、2026-05-19）
  • シグナル: 新着論文、タイトルが Claude Skills 議論に直撃
  • 要点: 既存の Agent Skills フレームワーク（Anthropic Skills 含む）は skill package を丸ごとコンテキストに注入するため、無関係情報の混入と skill 解析の反復で token と推論時間が浪費される、と問題設定。SkillSmith はオフラインで skill package をコンパイルし、最小限の実行可能インターフェースに変換することで、runtime ではエージェントが必要な部分だけ呼び出せるようにする。結果: solve 段階のトークン使用量を 57.44% 削減、思考反復を 42.99% 削減、解決時間を 50.57%（2.02倍高速化）。さらに強モデルでコンパイルした skill を弱モデルが再利用可能。
  • なぜ刺さるか: コア領域「Skill 設計」「コンテキスト工学（progressive disclosure）」「Subagent パイプライン（tool restriction）」の三つに同時に刺さる。Claude Skills の SKILL.md が事実上 runtime 注入されている現状に対し、コンパイル段階で boundary を切り出すというアプローチは progressive disclosure の自然な次の進化形。自分の Ideaverse skill 群（tracking-ai-trends 含む）にこの考えを適用したくなる。

LLMエージェント・システムにおけるSkillのスケーリング則

  • 原題: The Scaling Laws of Skills in LLM Agent Systems
  • ソース: arxiv（cs.CL、2026-05-19）
  • シグナル: 15フロンティアLLM × 1,100+ real-world skills の大規模調査
  • 要点: skill ライブラリを拡張するほど routing 精度が「対数的に劣化」する Routing Law と、joint routing の挙動が状態実現前は近似的に乗法的になる Execution Law を発見。失敗パターンは local skill competition → cross-family drift → 過度に一般化した “black-hole skills” による吸収、と段階的に悪化する。両法則は routing logarithmic decay slope という単一パラメータで結合され、routing 側の予測から execution 側のパフォーマンスを予言できる。法則ガイド最適化で routing 精度が 71.3% → 91.7%、execution pass rate が +12〜23pt 改善。
  • なぜ刺さるか: コア領域「Subagent パイプライン」と「Skill 設計」に直撃。skill カタログを増やすほど routing が壊れるという観察は、subagent カタログ系を除外領域に入れた自分の判断を理論的に裏付けている。“black-hole skill” の概念は新しく、自分の skill 群でも「便利すぎるが何でも吸い込む」skill を意識的に除く設計指針になる。

コーディングエージェント向けの文脈剪定: マルチルーブリック潜在推論

  • 原題: Context Pruning for Coding Agents via Multi-Rubric Latent Reasoning
  • ソース: arxiv（cs.AI、2026-05-19）
  • シグナル: 新着、Claude Code / coding agent harness の中核問題
  • 要点: コーディングエージェントは token 予算の大半をリポジトリ読み込みに使うが、取得コードの大半は無関係、という前提から出発。LaMR (Latent Multi-Rubric) は「semantic evidence」と「dependency support」という2つの直交した rubric に分解し、それぞれに専用 CRF モデルを当てる。query に応じて MoE gating が2 rubric を動的に混合し、AST 解析でラベルを自動生成する（人手アノテーション不要）。結果: multi-turn agent タスクで最大 31% のトークン削減、single-turn では Exact Match +3.5。4 ベンチマークで pruning なしのベースライン以上を確保。
  • なぜ刺さるか: コア領域「コンテキスト工学（compaction）」「Subagent パイプライン」直撃。Claude Code でリポジトリ全読みすると context rot するという既知の課題に対し、relevance を semantic と dependency に分解するという発想は、ハーネス側で実装可能な実用的指針。Anthropic の context tool 群と相補的に動く可能性がある。

★★ 関連

★ 雑学

メタ情報

  • 候補総数: 約 200 件（arXiv 大量、HN 20、Simon 30、Anthropic 24）
  • 採択: ★★★ 6 / ★★ 8 / ★ 1
  • 失敗ソース: reddit（全 sub で “Blocked” ページが返却、old.reddit.com / www.reddit.com / api.reddit.com・各種 User-Agent で同症状。WebFetch も Claude Code is unable to fetch from old.reddit.com でブロック。環境側の制限と判断）
  • 除外理由の傾向: arXiv 大半は医療・金融・物理系で興味プロファイル外 / Simon Willison の野鳥写真投稿 / Apple Intelligence のアクセシビリティ機能（既存の AI 機能拡張で目新しさ薄い） / Anthropic の KPMG 以外の最近の news はキャッシュ済み

⬆ AI Trends へ戻る

Graph View

Backlinks