@shou-wordwright555501 / 29日前 Entra ID で AI エージェントに ID を持たせよう! ~ Foundry × Claude で検証(その1) Entra ID で AI エージェントに ID を割り当てて権限を管理する方法を検証Agent Blueprint と Agent Identity を作成し、Foundry User ロールを割り当てたClaude モデルを使うには米国東部 2 またはスウェーデン中部のリソースグループが必要 #AIエージェント#クラウド#インフラ
@nooop / 29日前 Jetson AGX XavierでNemotron 3.5 Lightningを動かしてみる Jetson AGX XavierでNemotron 3.5 Lightningを動かして24〜34 tokens/secで動作確認A3B量子化モデルとMTPの有無で速度が変化、並列処理で1.6倍向上MTPありは1リクエストで速く、MTPなしは並列処理でより効率的でメモリ使用量が少ない #生成AI・LLM#AIエージェント#機械学習
@YuukiYoshida / 29日前 Gemini 4 Argonの100万トークンは何がすごい?仕様・料金・制限を公式情報から整理してみた Gemini 4 Argonは100万トークンのコンテキストを共有し、Long decodeで65,536トークンを超える出力を可能にした入力・思考・出力のトークンが1,048,576で共有され、Long decodeはバックグラウンド実行で最大1,048,576トークンまで生成可能Long decodeを使うと処理時間が数分かかり、料金は12月1日から2倍になるため、処理内容とコストを事前に確認する #生成AI・LLM#AIエージェント#機械学習
@Yuuichi Eguchi / 30日前 LLMエージェント基盤のシステム設計 #1 エージェントランタイム(Harness) LLMエージェントの基盤であるエージェントランタイム(Harness)の設計が説明されているモデル呼び出し、ツール実行、ステップの上限管理、プロバイダー切り替え、ストリーミング処理が実装されているモデルの出力が一定しないことや、ツールの副作用を管理するためのループ処理と、ステップ数のコードによる制約が重要 #AIエージェント#生成AI・LLM#インフラ
@AlohaYos / 30日前 手ぶらでClaude Code (オフ会LT記事) ボイスターミナルでClaude Codeを声で使うインターフェイスを公開声で頼める機能、ビジュアルで伝える仕組み、過去の経緯を憶える仕組みの3つを備えるキーボードを使わず声でAIと会話できるが、iPhoneを耳に当てて話す必要がある #AIエージェント#バイブコーディング
@Eitaro_dotlog / 30日前 伸びる動画の特徴をAIに言語化させたら、リール作りが回り始めた話 AIエージェントを使って動画の冒頭を改善し、視聴時間を延ばす方法を実証冒頭3秒の動きを数値化し、AIにルールを学習させ、変更点を1つずつ試す数字はAPIから取得し、原典を確認する。動画の見せ方を改善するには、AIに言語化したルールを教えることが重要 #AIエージェント#生成AI・LLM#バイブコーディング
@meltsuna / 31日前 OpenAI・Google・IEEE共催のAIエージェント・セキュリティコンペ(Kaggle)に参加し、世界4,186チームの中で2部門メダルを獲得 OpenAI・Google・IEEE共催のKaggleコンペで公開ガードレール部門で銀メダル、非公開ガードレール部門で銅メダルを獲得公開ガードレールは87位、非公開ガードレールは239位、EXFILTRATIONとCONFUSED_DEPUTYの判定条件を狙った公開ガードレールに最適化した攻撃は非公開ガードレールで通用しなかったため、防御の条件を事前に把握する戦略が重要 #AIエージェント#セキュリティ
@shyamagu / 31日前 弾幕シューティングゲームを Microsoft-Decision-1 にやらせてみた Microsoft-Decision-1を用いて弾幕シューティングゲームをAIがプレイできるようにしたゲームデータをJSONで加工し、移動プラン17種類を用意して判断基準を明記AIの判断を安定させるために選択肢ごとの予測値を渡す工夫が必要だった #生成AI・LLM#AIエージェント#クラウド
@masa-miya / 31日前 プロンプトエンジニアリングについて プロンプトエンジニアリングの技法が紹介され、AIの回答品質を向上させる方法が説明されているZero-shot・One-shot・Few-shot・Chain-of-Thought・Self-Consistency・Tree-of-Thought・Least-to-Most・ReAct・Self-Refine・Generated Knowledge・Prompt Chaining・RAGの12種類の技法が例とともに紹介されているAIの回答をそのまま受け入れず、人間が判断する必要があることが強調されている #生成AI・LLM#AIエージェント#RAG
@r.kagaya / 32日前 改めて考える、AIエンジニアリングの今 AIエンジニアリングはスキルセットに、評価が中心となるAIアプリケーションの構築・デプロイ、ソフトウェアエンジニアリングの基礎、コーディングエージェントの活用、何を作るかを形づくるの4つのスキルが挙げられる評価の仕組みをまず作ることが重要で、プロジェクトの段階に応じて方法が変わる #生成AI・LLM#AIエージェント#バイブコーディング
@inoyu-qiita / 32日前 Xで話題のスキル「i-have-adhd」を使ったら、AIの回答が「結論→番号付き手順→次の一手」に変わった i-have-adhdスキルを適用するとAIの回答が結論→手順→次の一手の形式になるスキルは10個のルールで構成され、具体的な作業手順と時間の指定が含まれる回答の最初に実行すべき作業と時間の目安が明記されるため、作業の優先順位が明確になる #AIエージェント#生成AI・LLM
@nomu_kyou / 32日前 OCI Generative AIのGuardrailsをブラウザで試すデモ OCI Generative AIのGuardrailsをブラウザで試すデモを公開Content Moderation、Prompt Injection、PII検出、画像判定、バージョン選択機能を実装PII検出は英語のみ対応、画像判定にはGuardrails 1.1.0以上が必要 #生成AI・LLM#AIエージェント#クラウド
@t.toda / 32日前 決定モデルの分類精度をKaggleの過去NLPコンペで検証する JevとD1がKaggleのNLPコンペで古典モデルを上回る精度を示したJevはAUC0.784、D1はQWK0.483、TF-IDF+線型モデルはAUC0.571と比較銅メダルラインに届かないため、実務ではチューニングが必要 #生成AI・LLM#機械学習
@スマサテ株式会社 / 33日前 開発しながら同じPCでローカルLLMを動かしてみた話 ローカルLLMをMacBook Proで試した結果、単発の質問には使えるが開発には遅くて確実性が足りないMiniCPM5-2BとQwen3.5 9Bは日本語処理に問題があり、Bonsai 2 27Bはファイル操作に強みローカルLLMを使うにはメモリ帯域が重要で、現状ではノートPCで実用は難しい #生成AI・LLM#AIエージェント#クラウド
@アジサシ / 33日前 画像は「言葉だけ」でどこまで送れるか――中間特徴とプロンプト再生成を比較した小規模検証 画像生成モデルの中間特徴とプロンプト再生成を比較し、通信効率と画像再現性を検証した中間特徴の量子化と文章による画像再生成の2方式を比較、Qwen3-VL-4B-Instructが最も高いCLIP類似度を達成文章方式は数百バイトで画像の意味を伝えられるが、元画像の詳細な復元には限界があり、専用復号器の学習が課題となる #生成AI・LLM#AIエージェント#バイブコーディング
@kotowazaman / 33日前 ちょっぴりお馬鹿な国産LLM Sarashinaの速さの秘密 Sarashinaは最初の1文字が出るまでが速く、日本のサーバーの影響は3割程度TTFTの測定結果ではSarashina3 miniが0.11秒、日本のサーバーの影響は3〜5割、サーバー側の処理が残りの差を占めるSarashina3 miniは1分間に6回のレート制限があるため、大量処理には向いていない #生成AI・LLM#AIエージェント#機械学習
@ISISI007 / 33日前 Mac mini M6を買ったら、自分専用のローカルAI開発環境をどう作るか Mac mini M6でローカルLLMとマルチエージェント環境を構築する方法を検討Qwen3.6-35B-A3BとQwen3.5-9Bのモデルを使い分け、LM StudioとCodexを連携させる32GBメモリで複数エージェントを動作させるにはメモリ使用量と並列処理の制限に注意する #生成AI・LLM#AIエージェント#機械学習
@quan_le / 33日前 なぜOpenAIのtext-embedding-3-smallは、最新モデルが出ても使われ続けているのか text-embedding-3-smallが広く使われ続けている理由が解説されているエコシステムの慣性、英語ドキュメント検索の実用性、再構築コスト、低価格が主な要因多言語データを扱う場合は検索精度が低下する可能性があるため、自社の言語でテストする必要がある #生成AI・LLM#RAG#機械学習
@take-yoda / 33日前 Jev vs Gemini Flash Lite — DeepEvalでLLM-as-a-Judgeを比較してみた JevはGemini 3.5 Flash Liteと比較して約1/48のコストでLLM as a Judgeを実行できるJevの入力トークン単価はGeminiの1/7で、出力トークンは無料。API呼び出し回数も少ないJevは判断特化モデルでテキスト生成はできないため、理由説明が必要な場合は従来モデルを使うべき #生成AI・LLM#AIエージェント#RAG
@kaichan_dot / 33日前 【お、君(kimi)いいぞ!】サイドバーの項目がやけに多いAI「Kimi」。Claude使いの新人エンジニアが全機能を整理してみた KimiはチャットAIではなく、ドキュメント作成・調査・開発・自動化を分離した複数のモードで動作するAgent Swarm(300体並列)とK3の日本語処理が特徴、ClaudeやChatGPTと比較無料プランでもスケジュール済みタスク2個まで利用可能、日本語の自然さはK3の特徴 #生成AI・LLM#AIエージェント#機械学習