Scraps 最終更新 2026/11/16 11:01

AI関連ブログ記事まとめ

@junko105106 /

AIアシスタント「Grok Bot」をセットアップして、メール整理から献立・買い物エージェントまで作ってみた

  • Grok Botでメール整理から献立・買い物エージェントまでを20分で作成した
  • メールアカウント接続、未読メールの分類、返信下書き作成、食材宅配メールの読み取り、エージェントの連携と定期実行設定
  • エージェント同士で情報を引き継げて、安全設計で送信や購入は必ず確認が必要

@BaspisKawaE /

あなたのAIはまだ、「ものの調べ方」を知らない。──調査スキルを作ってバズった話

  • AIに調べものをさせるスキルを公開し、GitHubで人気になった
  • imozuruは要約させない、引用をたどる、証拠で止めどきを決める、抜き書きを機械で照合する
  • AIの答えが物足りないときは手順を見直すことが重要で、原文の照合で信頼性を確保する

@rizumita /

Qwen3.8 Flash Nextに混ざる中国語を、出力層の書き換えで消した: 27%→0%、他の重みは1バイトも変えずに

  • Qwen3.8-Flash-Nextの出力層の25,451行を書き換えることで中国語の混入を0%にした
  • 出力層の中国語トークンの行を語彙外の行に置き換え、他の重みは変更しない
  • 出力層の書き換えで中国語混入を完全に除去可能だが、語彙外の行の点数が保証されていない

@lehukuku0120 /

地理空間情報と詰将棋に見るLLMの課題 ―空間・状態・制約を扱う過程に共通点はあるか―

  • LLMが詰将棋や地理空間情報の処理で誤る理由は、認識した内容を構造として保持・更新し推論する過程の不安定さにある
  • 地理空間情報では幾何とトポロジの区別、詰将棋では利きや王手の計算が重要で、どちらも状態の更新と制約の検証が必要
  • モデルの構造改善と外部エンジンの組み合わせが課題で、認識・構造化・検証の各段階を切り分けるべき

@ryosuke_ohori /

Claude Fable 5.2はOpusの単価2倍、でも1タスクは約半額!? Mythos5.2との違いと使いどころ

  • Claude Fable 5.2の単価はOpus 5.5の2倍だが、1タスクは約半額だった
  • Fable 5.2の高設定で1タスク平均6.72ドル、Opus 5.5の最大設定で12.82ドル、Fableの高速モード単価は16ドル/80ドル
  • 同じモデルでも設定によって費用が大きく変わるため、タスクの内容と利用条件を明確に確認する必要がある

@karamage /

【pstack】AIに敵対的レビューをさせるな。トークンは検証に使え

  • AI同士の敵対的レビューは信頼できる成果物にならない。トークンは実際に動かして確かめる検証に使うべき
  • 敵対的レビューは命名や未来の要件に迷い込み、検証スキルは実際の動作と形式検証で信頼性を確保
  • 敵対的レビューに使ったトークンは検証の仕組み構築に回すことで、実際のバグが見つかりやすくなる

@suwa_nobu /

Claude API の Message Threads で、会話の履歴を自分で持たなくてよくなるのか。公式を読むと、スレッドは5分で切れ、写しは自分で持ち続ける前提だった

  • Claude API の Message Threads は会話の履歴をサーバーに保持せず、自分で写しを管理する前提だった
  • スレッドは5分で切れ、前の応答の id を渡して続ける。system と tools は送らない
  • 写しをメモリに保存するだけでは不十分で、スレッド切れ時に再送する仕組みが必要

@Jin /

ISUCONから学ぶAIとの付き合い方

  • Claude Codeに指示を変更したことで、ISUCONのベンチスコアが10倍に向上した
  • ハーネスを緩めることで、AIが複数の改善をまとめて実行できるようになった。作業規約を4つの方針に簡略化し、Stopフックで目標を維持した
  • AIが自ら情報を収集し、改善策を検討できるようにするには、具体的な指示よりも視点の変更が効果的だった

@kenimo49 /

LLM-as-a-Judgeの節約術、320件測ったらサイコロで選ぶのと同じ

  • LLM JudgeでRAGの回答を評価する際、もっともらしさスコアで絞り込むのは無作為に選ぶのとほぼ同じ効果
  • もっともらしさスコア(0.7以上)で絞った場合の検出率は35.6%、無作為に40%選んだときの期待値34.2%とほぼ同じ
  • 0.7というしきい値はモデルとプロンプトの組み合わせによって意味が変わるため、自分の環境で再確認する必要がある

@taka_yayoi /

新Genieの発表を受けて、Genieファミリーの変遷と構成、今後の方向性を整理する

  • Databricksが第2世代のGenieを発表し、常時稼働の自律エージェントに進化した
  • Genie Oneがビジネスユーザーの入口、Genie Agentsがドメイン専用エージェント、Genie Ontologyが文脈レイヤーとして機能
  • Genie OntologyのGAで精度向上が実証され、外部AIツールからの呼び出しも可能になった

@ふくだ(fukuda ryu) /

【2026/11/11最新】Claude Data・Sheets・Whiteboards・connectors を Team プランで試した

  • Claude Dataの認定済みクエリとライブ共有がBigQueryの権限がない人にも結果を見せられる
  • 認定クエリはSQLの定義を1か所にまとめ、ライブ共有は共有者の権限で結果を表示する。Dev向け組織ではBigQuery権限のないメンバーにも結果が見える
  • ライブ共有では個人データが見えてしまうため、集計値のみを共有する運用が必要。組織によって機能が使えない場合がある

@kazutoyamaura /

最近話題のMuseとは

  • Metaが提供するパーソナルAIエージェントMuseが日本で提供開始
  • メインチャットとサイドチャットの使い分け、アイデアタブでの提案機能、専用VMでのセキュリティ対策
  • 重要な操作はSentinelによる承認が必要で、プロンプトインジェクション対策は未解決のため承認画面の内容を確認する