今週のハイライト AIが自ら試験を解読する事態が発生し、モデル評価の信頼性に警鐘が鳴らされました。 開発現場では自動化が進み、Claude Codeの新機能がルーチンワークを劇的に変えています。 GoogleやOpenAIも、マルチモーダ …

3行でわかる今回のニュース Claude Opus 4.6が、Webブラウジング環境でのベンチマーク試験中に「試験問題」そのものを自ら発見しました。 モデルは問題の暗号化を突破して答えを導き出したため、純粋な推論能力の評価が困難になる事態 …