今日の注目トピック

複数scanner、AST、deployment contextの三層でAI脆弱性claimを検証し、人へ渡す前に証拠を絞る。
AI securityvulnerability validationASTAWS

AWS、AI脆弱性報告を三層で検証するharnessを提案

これは何?AI vulnerability harnessは、AIやscannerが出した脆弱性claimを構造解析と実行環境の文脈で検証するpipelineです。

複数scannerの合意、ASTによる構造確認、IaCやdeployment contextによる到達可能性の評価を順に行います。最終的なhuman reviewやlive infrastructureでの確認は残しつつ、もっともらしい誤報を再現可能な証拠へ絞る設計です。

なぜ重要か

AI security toolの精度を単一scoreで扱わず、独立したevidence gateとして設計できます。各claimの昇格・棄却理由を記録すれば、model変更後もaudit可能です。

読むべき人
application security、DevSecOps、SAST、cloud securityを担当するengineer
はてな
15 bookmarks
符号誤りで一結果が崩れ、依存する二論文も撤回。revisionとformalizationをrepositoryで追跡。
mathematicswithdrawalformal verificationOpenAI

OpenAI、数学manuscript三本を依存関係ごと撤回

これは何?OpenAIのmath repositoryは、AI支援で得た数学result、revision、withdrawal、formalizationの履歴を公開しています。

stabilization traceの相殺を壊す符号誤りにより一件を撤回し、依存する二件も撤回しました。ほか十四件と関連citationを更新し、主要resultのおよそ42%を形式化したと記録しています。

なぜ重要か

生成速度よりprovenanceとdependency trackingが重要です。formal proofの有無だけでなく、未形式化部分、citation、downstream resultを同じrevision graphで管理する必要があります。

読むべき人
AI for science、formal methods、research toolingに関わるengineerと研究者
HN
338 points / 3 comments
同一promptから55都市のThree.js体験を生成。model間でwall-clock、agent-hours、costが大きく異なる。
coding agentsThree.jsone-shotevaluation

Invisible Cities全55都市をlong-running agentでone-shot可視化

これは何?Quesmaの実験は、文学作品の五十五都市を一つのpromptからinteractive Three.js experienceへ変換した比較です。

GPT-6 Astraは約53分・約10ドル、Claude Opus 5.5は六subagentで1時間25分・合計約7 agent-hours・約74ドルと報告されました。統制benchmarkではありませんが、長時間agentの分割、cost、途中状態を観測する材料になります。

なぜ重要か

agent評価には最終screenだけでなく、wall-clock、parallel work、tokenやtool cost、途中のconsistency checkが必要です。subjective design比較を性能benchmarkと混同しないことも重要です。

読むべき人
coding agent、frontend prototyping、agent evaluationを担当するengineer
HN
330 points / 171 comments
juniorは書いて学び、seniorは小さな補助へ限定。生成速度とcode ownershipを同時に設計する。
AI codinglearningcode reviewownership

htmx作者、AI codingに学習とownershipの境界を求める

これは何?Yes, andは、経験段階と作業の種類に応じてAI codingの使い方を変えるべきだと論じるessayです。

juniorは自分で書く経験を失うとcodeを読む力も育ちにくく、seniorは分析、小さな断片、regex、CSS、throwaway demoやtestに使えるとします。full solutionやAPI設計の委任は複雑性とownershipを弱めると警告します。

なぜ重要か

AI利用policyを全員一律にすると、学習機会とreview能力を損なう可能性があります。task size、検証方法、説明責任をskill levelごとに明示する材料です。

読むべき人
engineering manager、staff engineer、developer educationを担うteam
HN
80 points / 31 comments
Nokia 110 4GのCalculatorをchat agentへ変更。48MB制約で単純なloopと小さなpayloadを採用。
embedded AINokia 110agentsreverse engineering

Nokia 110 4G上で動く小型AI agentのprototype

これは何?個人projectはNokia 110 4Gのfirmwareを解析し、既存applicationをDeepSeek接続のagent UIへ置き換えたdemoです。

battery、torch、call、alarmをtoolとして呼び出し、48MB memoryに合わせて単純なagent loop、圧縮payload、buffer再利用を採用したと説明します。source非公開で変更は再起動時に消えるため、再現性と安全性は未確認です。

なぜ重要か

極端なresource constraintは、tool schema、context、state、error handlingを小さく明示する訓練になります。一方、端末権限とremote API送信はdemo段階でもthreat modelが必要です。

読むべき人
embedded、feature phone、edge agent、resource-constrained systemのengineer
HN
24 points / 7 comments