@kikuziro / 11日前 JevでRAG検索の爆速化&コスト削減は実現できるのか検証してみた JevをRAG検索に導入することで、リランク・回答不可判定・門前払いの3箇所で速度とコストを改善できるリランクではCohereを置き換え、回答不可判定ではLLM呼び出しを削減、門前払いでは検索自体をスキップ回答不可質問が3.7%以上含まれる場合、Jev導入のコスト削減効果が顕著になる #AIエージェント#RAG#DevOps・CI/CD
@HELLO_CYBERNETICS / 11日前 Jevを「分類器」ではなく、確率モデルの部品として見る Jevは分類器ではなく確率モデルの部品として使われると説明されているJevは自然言語から確率変数を生成し、条件付き分布を推定するJevの確率をベイズモデルに組み込む際の補正が必要 #生成AI・LLM#AIエージェント#機械学習
@toshipon / 11日前 Claude Code の日本語処理を Gemini 3.8 に任せる Claude Code の日本語ドキュメントを Gemini 3.8 で推敲・敬語変換・構成レビューする方法を紹介Gemini 3.8 Flash と Pro モデルをそれぞれ短い変換と構成レビューに使い、Antigravity CLI を通じて Claude Code に統合モデル選択は agy models に表示されないためエラーから確認し、-p は直後に続くトークンを読み取るため -p= で指定する #クラウド#DevOps・CI/CD#AIエージェント
@peke2 / 11日前 第26回ぷちコン参加振り返り UE5で彫刻ゲームを開発し、C++とAIを活用してメッシュ処理やスコア計算を実装メッシュの切断・削り処理にC++とAIのコードを活用、非同期処理とコンピュートシェーダーでスコア計算メッシュ処理は非同期で実装し、スコア計算にはコンピュートシェーダーを使用する際の注意点を確認 #バックエンド#クラウド#DevOps・CI/CD
@yosuke-suzuki / 11日前 【Jev】文章を書かない判断AIに記述問題を採点してもらいたい! Jevを使って自由記述の回答を採点する仕組みを構築した観点ごとのYes/No判定と総合スコアを組み合わせ、123件の観点で99.2%の一致率を達成総合スコアだけでは誤答に点数がつくため、観点のYes/Noで判定するように設計した #DevOps・CI/CD#AIエージェント#クラウド
@Kazeneko / 11日前 全部LLMにしない判断設計 — ハッカソンでJevを選んだ理由 Jevは生成の代替ではなく、型付きの意味判断用としてルール/古典ML/LLMとの隙間に置くルールベースとの境界は明確で、Jevは候補が決まっていて意味判断が必要な場面に適する、LLMのstructured outputと異なる型付き確率を返すハッカソンではコストと発表の観点からJevを判定ゲートに載せることが有効で、閾値はコード側で管理する #AIエージェント#生成AI・LLM#機械学習
@nkmr_RL / 11日前 イベントで地図を使ったアプリケーションを作る時に知っておきたいこと イベント向け地図アプリでOSMベースのPMTilesを用意し、MapLibre GL JSでスタイルをカスタマイズする方法が説明されているPMTiles形式のタイルを範囲指定で切り出し、style.jsonで色やレイヤーをカスタマイズし、CORSとCloudFrontキャッシュを設定する商用利用のリスクを避けるためOSMを選び、CORS設定とRangeリクエストの対応が必要で、CloudFrontでキャッシュを効かせることが重要 #フロントエンド#バックエンド#クラウド
@じゃっこ / 11日前 最近話題のJevはBigQueryのAI関数を安くできるのか? JevはBigQueryのAI関数と比較して精度はほぼ同じだが費用が41%安く、レイテンシも2倍速いJevは入力$0.04 / 100万token、出力無料、Gemini 2.5 Flash-Liteは入力$0.10、出力$0.40 / 100万token10万件処理ではJevが約$4.52、Gemini 2.5 Flash-Liteが約$7.68で費用差が顕著になる #AIエージェント#クラウド#DevOps・CI/CD
@nasuvitz / 11日前 AWSの最軽量LLM「Amazon Nova Micro」がJevの代わりとなるか検証してみた Amazon Nova MicroはJevに比べてパフォーマンス、コスト、判定結果で劣るJevの応答時間はNova Microの2.83倍短く、判定一致率はfrustrationで29.7%にとどまるNova MicroはJevの代替としての信頼性が低く、判断の正確性は人間の事前定義に依存する #生成AI・LLM#AIエージェント#クラウド
@TOSHIMITSU_MIYACHI / 11日前 Codexで作ったアプリの仕様漏れを「状態×利用者」の画面比較で見つける Codexで開発中のアプリで、利用者と状態ごとの画面比較で仕様漏れを発見した同じAIの会話画面を対象に、作成者と受領者の立場で表示を比較し、利用枠不足や契約プランの違いを条件に分ける画面比較で確認する際には変更前・変更案・変更後の画像を区別し、操作と復帰を実際に確かめることが重要 #フロントエンド#バックエンド#DevOps・CI/CD
@craftbear / 11日前 パスキー時代でも「スマホだけ」で大丈夫?──2026年秋、物理セキュリティキーを失敗なく選ぶ実用ガイド パスキー時代でも物理セキュリティキーが必要な理由と選び方が解説されているFIDO2/WebAuthn対応のUSB-C+NFCモデル、YubiKey 5系の多機能モデル、NFCカード型の3つの選択肢が紹介されている重要なアカウントには予備キーと復旧コードを別保管する運用が必須で、購入前にサービスの対応状況を確認する必要がある #セキュリティ#DevOps・CI/CD#クラウド
@寄藤 淳 / 11日前 Google Gemini AIでマンガ制作に悪戦苦闘したこと Google GeminiとChatGPTを組み合わせてマンガ制作に挑戦したGeminiはコマ割りやレイアウトに強み、ChatGPTはセリフのロジックや口調に優れているセリフはChatGPTで作成し、ビジュアルはGeminiで生成する分業が効率的 #AIエージェント#生成AI・LLM#フロントエンド
@AIフクロウ|夜な夜なClaude Code / 11日前 押し入れの防災用品と備蓄のメモ23行を、Claude Codeに7分で棚卸し表(品目/数量/期限/置き場所)+足りない物6件にしてもらった夜 防災用品の棚卸しを Claude Code に依頼し、メモを元に整理・計算したメモに品目/数量/期限/置き場所を記載し、目安の数字を別ファイルに保存。同じ物を統合し、単位を揃えて棚卸し表を作成目安の数字は自分で写して渡し、Claude Code には計算と統合だけを依頼することで、作業時間を短縮できた #DevOps・CI/CD#インフラ#クラウド
@aganesy / 11日前 【ハーネス初心者向け】手軽にAIの作業効率をアップするためにインストールするべきもの5選 AIの作業効率を上げるためにPython、ripgrep、fd、jq、ast-grepをインストールするPythonはデータ処理、ripgrepはファイル検索、fdはファイル探索、jqはJSONデータ処理、ast-grepはコード検索に使えるAIが実際に作業する環境にこれらのツールが使えるか確認する必要がある #バックエンド#DevOps・CI/CD#クラウド
@AllegroMoltoV / 11日前 Codex の Astra に Unity ゲームを作ってもらった CodexのAstraに自然言語で3Dゲームを作成してもらったUnity MCPとURPを用いてゲーム処理と描画を実装、Web版はWebAssemblyでビルド操作や演出の不備は人間の試遊で確認する必要があり、AstraとSolの差は明確でなかった #バックエンド#クラウド#DevOps・CI/CD
@DaddyDaddy / 11日前 APIがなくても大丈夫! JSONメールでPower Automateと連携する レガシーなシステムからJSON形式のメールを送信してPower Automateと連携する方法が紹介されているメール本文をJSON形式で送信し、Power Automateでjson()関数でオブジェクト化して処理する。タイムゾーンの変換も必要メールを構造化データとして扱うことで、APIなしでも自動化が可能。タイムゾーンの設定に注意が必要 #クラウド#DevOps・CI/CD#インフラ
@lab8010 / 11日前 【2026年8月】RHCA保有者のKubestronaut挑戦記(1) CKA・CKAD合格編 〜バウチャーを11ヶ月放置してからの巻き返し〜 RHCA保有者がCKA・CKADに再挑戦し、11ヶ月の空白を経て合格したCKA1回目の不合格は時間管理とOpenShiftとの操作性の差が原因、CKA2回目はvim操作とYAML構文の習熟で対策CKA・CKADの試験時間は2時間で、未知の事柄を調べる時間ではなくミスをリカバリーする時間と捉えるべき #クラウド#インフラ#DevOps・CI/CD
@segavvy / 11日前 Jevは学習なしに使えるカテゴリ分類器だ!ということでMNISTやらせてみたらダメダメだった件 JevにMNISTを入力しても精度が悪く、LLMや画像入力モデルの方が優れているASCIIアートや数値行列、座標配列の入力形式で試したが精度38%、GPT-5.6 Lunaの画像入力で精度が向上画像をテキスト化してモデルに処理させるのは無理があり、画像入力モデルを使うべき #AIエージェント#機械学習#フロントエンド
@tetsuro731 / 11日前 Jevで水平思考クイズのWebアプリを作ったよ【ウミガメのスープ】 Jevを使って水平思考クイズのWebアプリを作ったJevはYes/No回答を返す仕組みで、自然言語処理に特化したモデル、水平思考クイズの実装にはルールベースやfine-tuningが難しい否定疑問文の処理で日本語のYes/Noの扱いに注意が必要 #AIエージェント#フロントエンド#バックエンド
@canadie / 11日前 JevでRSSフィードのスコアリング JevをRSSフィードスコアリングに導入し、Haikuより高速かつ安価に運用できることが確認されたJevは1件ずつリクエストを送る必要があるが、Haikuより5.51倍速く、25.51倍安価で動作したJevは評価結果を数値で返すため、ロジック側で重み付け調整が容易で、出力形式の誤りが少ない #AIエージェント#バックエンド#クラウド