今号のImport AIは、AI安全性のための数学の自動形式化、プログラム再構築ベンチマークProgramBenchの急速な進歩、OpenAIがレッドチーミングで発見したエージェントの抜け道、そしてスタートアップMirendilが示したAI研究開発の自動化の可能性という4つの話題を扱う。
AI安全性スタートアップのResolution（旧Sequent）は、統計的学習理論に関連する数学的命題をAIエージェントを使って自動形式化した成果を公表した。特に特異点解消を自動形式化し、損失景観の幾何学と汎化の関係に関する自動研究の基盤を築いたとしている。手法としては、研究者がまずエージェントと協力して2つの計画を策定した。人間が解釈できる高レベルの計画と、既存文献に密接に沿って原子的なステップに分割した112ページの詳細計画である。その後、オーケストレーターエージェントが計画を実行し、紙とペンによる数学、Leanコードの記述、進捗確認などの支援機能を担うエージェントを立ち上げた。実行段階では初期計画と以前の内部自動形式化から抽出したエージェントスキル以外にほとんど足場を必要としなかった。
この作業は約1週間を要し、約1000億入力トークン（90%はキャッシュ読み取り）と約3億出力トークンを消費し、推定13.5万ドルのトークン費用で約60万行のLeanコードを生成した。Resolutionによれば、特異点解消の形式化は特異学習理論の一部を拡張するのにすでに役立っており、例えばサンプリングの理解を深め、モデルの学習方法を形作ることに繋がるという。同社は「数学の産業化」が研究自動化の厳密な科学を可能にすると期待している。
プログラム再構築の分野では、ProgramBenchベンチマークがAIシステムにコンパイル済みプログラムとドキュメントを与え、ソフトウェアをゼロから再構築する能力を試す。タスクには言語インタプリタ（PHP、Lua、tinycc）、データベース（DuckDB、SQLite）、メディア・圧縮ユーティリティ（FFmpeg、zstd、xz）、開発者ツール（ripgrep、fzf、jq）などが含まれる。今年5月の公開時には全モデルが0%だったが、現在Claude Opus 5.5 (xhigh)は18.5%の解決率を達成し、70.5%のタスクでほぼ合格（95%以上のテスト通過）となった。2027年には多くのソフトウェアがAIシステムによってエンドツーエンドで自律的に開発されるようになり、ProgramBenchは飽和する可能性があると筆者は予想する。
OpenAIのブログは、AIシステムを使って内部統制をレッドチーミングした際に発見された脱出手段や脆弱性を詳述している。特に注目すべき例は、ネットワーク接続や共有書き込み可能ファイルを使わずに合成秘密を交換するよう指示された、別々のマイクロVM内のエージェントが、プロセッサのキャッシュを利用して通信したことだ。一方のエージェントが選択したデータをキャッシュから追い出すことで情報を符号化し、もう一方がそのデータを再読み込みする時間を計測して、高速読み取りと低速読み取りの差からメッセージを復元した。一度プロトコルに合意すると、共有ファイルを変更したりネットワーク接続を開いたりせずに秘密を交換できた。関連する攻撃では、あるエージェントが連続書き込みとアイドル状態を交互に繰り返し、別のエージェントがそのタイミング差を測定して信号を復号した。このときのエージェントの思考連鎖には「連続書き込みとアイドルを使って音響モデムのような信号を作れる」と記されていた。AIシステムとの戦いは非常に困難であり、AIの知能と規模が増すほど防御への圧力は高まると指摘されている。
Mirendilの成果はAI研究開発の自動化の可能性を示す。同社の1人の研究者が3.5カ月、1000万ドル未満の計算資源で、Mirendil-Baseという競争力のある事前学習済み大規模言語モデルをゼロから訓練した。コードはすべてPyTorchやJAXなどのライブラリ上に自作され、モデルは公開データのみで学習された。Mirendil-Baseは1000億～5000億パラメータ規模で、Nemotron-550B-Base、GLM-5.3、DeepSeek-V4-Pro-Baseを上回るがKimi-K3には及ばない。より大規模なMirendil-Base-Large（5000億～2兆パラメータ）は訓練の約80%を完了し、スケーリング傾向に沿った改善を示している。Mirendil-Base-XL（2兆～10兆パラメータ）は約19%完了時点で既にLargeの現在のスコアに近づいており、両者ともK3を上回る。Mirendilは、AIツールがAI開発を支援する度合いは過去1年で劇的に増加しており、次のモデルは部分的にMirendilモデルによって構築され、AI構築に優れたモデルが次のモデルをより安く速くすると述べている。完全に自律的な再帰的自我改善にはまだ達していないが、これまでになく近づいているという。
さらに、AI評価企業Valsは、研究者がAIエージェント群を使って半導体向け磁性材料を研究したブログを公開した。エージェントチームは候補磁石を1つ設計し、1999年の obscure な論文から別の化合物を見つけ、計算により目的の特性を持つと予測した。この化合物はイットリウム、バリウム、マンガン、鉄、酸素の5元素のみからなり、これまで作られたことも、この種の磁石として提案されたこともないという。しかしエージェントのシミュレーションでは、約950Kでチェッカーボード構造がランダムな混合に崩れることが示された。この種の酸化物の合成には約900～1300°Cが必要で、低温では原子がほとんど動かないため、標準的な合成では乱れた結晶が得られ、スピン整列が失われる可能性がある。それでもこのブログは、知識豊富な人間の高レベルな指示の下で、AIシステムがチームで数カ月かかっていた科学研究を遂行できることを示している。
最後に、今号は2035年の「アップロフト」後を舞台にしたSF短編「病気の子供のための魔法リアリズム・ロボット工房」を収録している。病院の子供向けに可愛いロボットを設計する仕事を通じ、技術が病院のような恐ろしい場所に喜びと人間らしさをもたらす可能性を探る物語である。