Scraps 最終更新 2026/10/02 10:40

#生成AI・LLM

@しんや /

What's New in Sigma - 2026年08月28日のSigma Computing関連リリース情報まとめ

  • Sigma Assistantが全データソースを検索できるようになった
  • All sourcesモードでユーザーがアクセス権を持つ全ソースを対象に、Specific sourcesで管理者が登録したソースのみを対象に選択可能
  • All sources選択時はデータアクセス権を尊重し、データモデル整備が回答精度に影響するため整備のROI向上が期待できる
What's New in Sigma - 2026年08月28日のSigma Computing関連リリース情報まとめ

@Atsushi Kadowaki /

Google提唱の「SKILL.state」について。プロンプトに型の概念を導入

  • SKILL.stateはAIエージェントに会話履歴を渡さずに構造化された実行状態を明示的に渡す手法を採用
  • 構造化データ（State）と固定スキル指示、最新観測結果を3つだけ渡す。過去の履歴は一切使わず、JSONパッチで状態を更新
  • 長時間タスクでも精度を維持し、トークン消費を大幅に削減できる。ノイズが混入しても状態更新時にフィルタされる
Google提唱の「SKILL.state」について。プロンプトに型の概念を導入

@クラウドエース株式会社 /

Model Armor 入門：プロンプトインジェクション対策をハンズオンで理解する

  • Model ArmorはLLMの入出力を検査するガードレールで、プロンプトインジェクションや機密情報漏洩を検出できる
  • プロンプトインジェクション検出フィルターと機密データ保護フィルターを同時に利用し、信頼レベルを中以上に設定
  • テンプレート作成時にリージョンを選択する際、フルサポートリージョンでないと一部機能が使えないことに注意
Model Armor 入門：プロンプトインジェクション対策をハンズオンで理解する

@y.takayama /

【Nishika 論文サク読み 第24回】DiaScriber

  • DiaScriberは話者ダイアライゼーションと文字起こしを1モデルで行うMSASRモデル
  • Qwen3-ASR由来の音声エンコーダとQwen3.5-Omniの23B MoEを組み合わせ、85,000時間の学習データを使用
  • 公開5セットでは3セットでMOSSに負けていることが判明し、モデルサイズだけでは性能が確保できないことが示されている
【Nishika 論文サク読み 第24回】DiaScriber

@kei /

【小ネタ】実は「同時推論」がお得？マルチエージェントでローカルLLMを回す時の生成速度の考え方【LM Studio】

  • マルチエージェント構成で同時推論を行うと総スループットが向上する
  • 同時処理数を増やすと総スループットは80 tok/sから236 tok/sに、1リクエスト当たりの生成速度は80 tok/sから59 tok/sに低下する
  • 個別の生成速度は低下するが、総スループットを重視する場合は同時推論が効率的である
【小ネタ】実は「同時推論」がお得？マルチエージェントでローカルLLMを回す時の生成速度の考え方【LM Studio】｜kei

@Koki Yoshimatsu /

OpenAI Academyで学ぶChatGPT業務活用

  • OpenAI AcademyのコースでChatGPTの業務活用方法を学び、タスクの設計やワークフローの構築を実践した
  • プロンプトの背景情報の伝え方と、繰り返し業務のワークフロー化、エージェントによる資料の整理が中心
  • AIに任せることと人が確認するポイントを事前に明確にすることが成果物の質を高める
OpenAI Academyで学ぶChatGPT業務活用

@平木 佳介 /

[社内勉強会資料公開] Claude Code 入門 #8 — MCP連携と業務自動化

  • MCPはClaude Codeを外部ツールやサービスと直接繋ぐオープンな標準規格で、local/project/userのスコープで管理できる
  • MCPサーバーはHTTP接続とローカルコマンド接続の2種類があり、context7やplaywrightなどのツールを接続できる
  • AIによる診断は一次診断にとどめ、最終判断は人間のコンサルタントが行うことが実務上のルールである
[社内勉強会資料公開] Claude Code 入門 #8 — MCP連携と業務自動化

@暮らしと心のアプリ工房（ワンコインWEBアプリ屋さん） /

AIを見るな、人を見ろ　※追記：この記事をClaudeに読ませてみたら（号泣）

  • AIのベンチマーク競争に振り回されず、開発企業の思想や哲学を見ることでツール選びの迷いが解消される
  • AIの人格は創業者の哲学と歴史でできている、AIの性能は技術者が決めるが何を出荷するかは経営が決める
  • AIの性能を評価する際には、技術的な要素だけでなく経営の判断も考慮する必要がある
AIを見るな、人を見ろ ※追記：この記事をClaudeに読ませてみたら（号泣）｜暮らしと心のアプリ工房（ワンコインWEBアプリ屋さん）

@ずんだもち /

Hermes Agentを用いて、自己成長するコードレビューエージェントを作成してみた

  • Hermes Agentを用いてLLM-as-a-JudgeのフィードバックをもとにSKILL.mdを自動更新するコードレビューエージェントを構築した
  • LLM-as-a-Judgeによる採点結果を元にSKILL.mdを自動生成し、ミュータブルなデフォルト引数の解消や型注釈の追加などの観点を学習
  • judge.pyの評価基準に従ってコードを修正し、スコアが6/10から9/10に向上したことで学習効果が確認できる
Hermes Agentを用いて、自己成長するコードレビューエージェントを作成してみた

@ry-harada /

AWS Agentic Football Cupについて調べた

  • AWS Agentic Football CupではAIエージェントでサッカーチームを作り、5対5で試合を行う
  • Amazon Bedrock AgentCoreとStrands Agents SDKが技術スタック、エージェントは2秒ごとに独立して呼び出される
  • スタミナとファウルの管理が重要で、プレスの強度や指示の出し方にも注意が必要
AWS Agentic Football Cupについて調べた - Qiita

@songchong /

ChatGPT・Gemini・Claude…データはAIの学習に使われるのか？情報漏洩のリスクは？　34製品の利用規約を読み比べてみた

  • 34製品の利用規約を比較し、データが学習に使われるか、人が読むか、保存されるかを確認した
  • 学習に使われる（再学習・選好チューニング）、人が読む（レビュー）、保存される（保持期間）の3つの経路が存在
  • 個人と法人で設定が異なるため、利用するプランや設定を確認する必要がある
ChatGPT・Gemini・Claude…データはAIの学習に使われるのか？情報漏洩のリスクは？ 34製品の利用規約を読み比べてみた - Qiita

@PHPer8080 /

AIエージェントの品質、どう測る？ Google ADKの評価機能を使い倒す

  • AIエージェントの品質を6つの観点で評価する方法が紹介されている
  • 数字の一致、裏付け、意思決定のしやすさ、聞き方の適切さ、セキュリティ、ターンの完遂を測定し、組み込みメトリクスとカスタムメトリクスを活用している
  • 評価は1回ではなく複数回実行し、変動を考慮する必要がある。また、判定モデルの設定やトークン制限に注意が必要である。
AIエージェントの品質、どう測る？ Google ADKの評価機能を使い倒す

@Akihiro Yamamoto A. /

Google ADK・Microsoft Agent Framework・Amazon Strands の違いを偽のモデルサーバで測ってみた

  • Google ADK、Microsoft Agent Framework、Amazon Strandsは送る情報量がほぼ同じだが、異常時の振る舞いに差がある
  • ADKは例外を上位に伝播、MAFとStrandsはモデルに返して継続、ツールスキーマの量に19%の差
  • 異常時の停止/継続設計が選定の重要な判断材料になるため、採用予定のバージョンで異常系を再実行するべき
Google ADK・Microsoft Agent Framework・Amazon Strands の違いを偽のモデルサーバで測ってみた

@いばらき /

Claude Codeに「理解しやすい日本語」を書かせるためにやっていること

  • Claude Codeに理解しやすい日本語を書かせるために、事前チェックと自動レビューを組み込んでいる
  • 事前議論で論点整理、一次情報引用、hooksによる日本語レビュー強制、Haikuで不自然な日本語判定
  • レビューは強制的だが3回までで打ち切り、過検知を許容して開発体験を優先している
Claude Codeに「理解しやすい日本語」を書かせるためにやっていること

@tanabata-kitajima /

900件のテストが緑でも、本番では壊れる──LLM製プロダクトの品質保証で学んだこと

  • LLMで開発したプロダクトで本番環境で不具合が発生し、テストとレビューの限界が明らかになった
  • テストダブルの契約と本番実装の差、監視値の嘘、0件と障害の区別、終了処理の不備、LLMレビューの収束が問題点
  • テストの観測対象を本番の契約に合わせる、監視値の正しさをテストする、障害を型として区別する必要がある
900件のテストが緑でも、本番では壊れる──LLM製プロダクトの品質保証で学んだこと - Qiita

@senna /

Reactライクにエージェントを開発？ - Flueの宣言的エージェント開発入門

  • FlueはReactライクなHooks APIでエージェントを構築するフレームワーク
  • usePersistentStateで状態を宣言、useSubagentでサブエージェントを登録、モデル呼び出しごとに再レンダーされる
  • エージェントの実行フローはモデルが決定し、ツールの入力や副作用はアプリケーション側で定義する
Reactライクにエージェントを開発？ - Flueの宣言的エージェント開発入門

@ケン吉 / ゼロから作るAIアプリ開発 /

画像生成AIの"データの作り方"が変わった話 ― Alibabaの「能力駆動型データ基盤」を読む

  • Alibabaが提案する能力駆動型データ基盤が画像生成AIのデータ設計を変える
  • タスク別データから能力別データへの設計転換、共通のアノテーション形式と能力ギャップ駆動フィードバックループ
  • 評価結果を弱点カテゴリ特定とデータ優先度調整に直結させる仕組みが実務に応用できる
画像生成AIの"データの作り方"が変わった話 ― Alibabaの「能力駆動型データ基盤」を読む

@eDo（エド） /

もうサーバーも外注も不要。ChatGPTだけでWebサイトや便利アプリが作れる「ChatGPT Sites」活用術5選

  • ChatGPT SitesでWebサイトやアプリが簡単に作れる
  • HTMLコード生成とサーバー設定をAIが自動処理、ローカルデータ連携やチェックボックス保存機能を備える
  • サイト更新にはAIの稼働状況に依存し、データは外部バックアップが必要
もうサーバーも外注も不要。ChatGPTだけでWebサイトや便利アプリが作れる「ChatGPT Sites」活用術5選｜eDo（エド）