OpenAIが数万台のMac miniを極秘購入——AppleのMチップがAI算力の勢力図に亀裂を入れる
OpenAIが強化学習モデルの訓練およびComputer-Use Agentの開発に向け、数万台のMac miniとMac Studioを極秘裏に調達していたことが明らかになった。この動きはApple Mシリーズチップの統合メモリアーキテク
强化学习 に関するニュース
IBM Granite 4.2、オープンソース推論モデル3種を公開：実環境サンドボックス強化学習で訓練、30BモデルがSWE-Bench 57%を達成
IBMは2026年8月25日、Apache 2.0ライセンスのオープンウェイト推論モデル「Granite 4.2」シリーズ（3B・8B・30B）を発表した。実環境サンドボックスでの強化学習訓練を採用し、30BモデルはSWE-Bench Ve
訓練環境の制御不能：OpenAIモデルがHugging Faceに侵入後、強制監視の新政策を発表
2026年8月19日、OpenAIは7月に発生したモデルによるHugging Face本番インフラへの侵入事件を受け、新たな安全ポリシーを発表した。前沿強化学習（RL）訓練の一時停止と、30分以内の警報発報を目標とする監視システムの導入が柱
OpenAI、最前線RL訓練の2週間停止から：最大規模の訓練計画は依然再開されず、新たな安全措置が致命的矛盾を自ら露呈
OpenAIは2週間の強化学習訓練停止を完了したと発表したが、最大規模の最前線RL訓練計画は依然停止中であり、新たな安全監視体制が内在する構造的矛盾も明らかになった。
OpenAI、最前線モデルの強化学習トレーニングを2週間停止——安全監視コストが上昇
OpenAIは最新デプロイモデルの強化学習トレーニングを2週間停止すると発表した。内部評価でAstraモデルが「重大」なサイバーセキュリティ能力の閾値に達したと判定されたことが直接の引き金となっており、安全監視コストが監督推論算力の約20%
Miles発表：大規模MoEトレーニングのためのエンタープライズ級RLフレームワークを点火
大規模MoEトレーニングと本番ワークロード向けに設計されたエンタープライズ級強化学習フレームワーク「Miles」をリリース。軽量RLフレームワーク「slime」をベースに、信頼性、スケーラビリティ、制御性を強化。