記事一覧
29記事
記事を探す
マイクラAI、VLAはそのままで「段取り」だけ変えたら長い課題の成功率が倍以上に
1つのVLAがキーボードとマウスだけでマイクラを操作する。外側のハーネスが進み具合を記憶し、画面で確かめてから次を決める。
HTTP2Shell（Brotliの不具合）とは？仕組みと企業・個人の対応
Brotliの展開処理の不具合は、受信した本文だけでなく外部サイトからの応答でも問題になります。企業・個人の対応と、修正版の例を図で整理します。
検索せずに外部知識を使う：LLMの中間層に「予測した記憶」を溶かし込むDFM
前の文脈から検索結果の埋め込みを予測し、中間層へ融合する。学習データ作りの検索回数は32分の1、取得件数は2048分の1。
複雑な記憶は本当に要るのか：生の履歴を検索するだけのRAGが記憶システムを上回った
生の履歴をベクトル検索して並べ直すだけのRAGが、7設定中6設定で堂々の1位。勝因は「必要な証拠を取りこぼさないこと」と「答えを導く道すじが残ること」。
動画から始まる本物のウェブ調査、最強AIでも正答率39.0%
動画を起点に実際のウェブを調べる200問の評価セットOpenDS-World。最良のGPT-6 Astraでも正答率は39.0%、人間の正答率は21.1%。
AIは自らを測る「物差し」を作れるか 評価設計ベンチERB
AIが評価器を自作する力を測るベンチERBを提案。最良でも順位一致率は約75%で、上限の91%には届かない。
箱からマスク・切り抜きまで1つでこなすVLM「WeVisOne-VL」
Tencentが検出・数え上げ・OCR・マスク・切り抜きを1つのVLMに統合。＜OBJ＞トークンと約9.6Mの小さなデコーダーでマスクまで出力。
履歴は書き換えず、KVキャッシュを捨てる：エージェント向け「キャッシュエンジニアリング」
文字の履歴は残し、KVキャッシュだけを削る。要約方式より平均1.7点高く、費用は27.7%減。
イベント再配信でタスクが2件に？SQLiteで二重処理の起きる条件を検証
処理済みIDを保存するだけでは、再配信による二重処理は防げません。ワーカーを止める位置を変え、タスクと完了記録が残る条件をPythonで確かめます。
文字TF-IDFをPythonで計算する — 0の値と「語彙にない」を見分ける
scikit-learnで文字n-gramのTF-IDFを計算し、IDF算出、L2正規化、語彙の有無による出力の違いを検証します。
問い合わせ分類をif文で作る — 条件を足しても14/18のままだった理由
Pythonの標準機能で問い合わせ分類ルールを作成し、キーワードの探索順と文脈分割の挙動を検証します。
.gitignoreに.envを書いても残る？手元を残して追跡だけ外す方法
.gitignoreは、追跡済みのファイルには後から効きません。.envを手元に残して外すコマンドと、削除表示・履歴との違いを確認します。
AttentionのQ・K・VをPythonで計算する — 重みと出力を3つの位置で追う
3位置×2次元の配列でAttentionを計算。Qだけ・Vだけを変えて、参照の重みと出力がどう変わるかをコードと保存結果で追います。
XORはなぜ一本の直線で分けられない？ 隠れ層と非線形変換をPythonで試す
同じXORの4点を、パーセプトロンと隠れ層8ユニットのMLPで比較。tanhをidentityに替えた結果から、非線形変換の役割を確かめます。
Qwen3に9例を渡すと分類はどう変わる？ 正解9/18でも13件の判定が変わった
小型LLM「Qwen3-0.6B」で日本語の問い合わせ18件を分類し、例なしと9例提示を比較した記録です。どちらも正解は9/18ですが、13件で予測が変わり予測先の偏りが逆転した内訳を調べます。
文字TF-IDFとXGBoostで日本語の問い合わせを分類する — 学習9件と45件の比較
文字1〜3文字のTF-IDFで日本語の問い合わせ文を数値化し、XGBoostで3分類する実験記録です。学習文9件（正解10/18）と45件（正解11/18）の比較や誤分類された文を確かめます。
AI APIのキャッシュとは？ヒット率80%でも料金が80%下がらない理由
入力の80%を再利用しても料金が80%減るとは限らない理由を、架空の単価で計算します。
kiuribotsとは――調査と開発を任せる自作AIエージェント
自作した理由と、README修正の依頼が作業・確認・反映へ進む流れを紹介します。
間接プロンプトインジェクションと権限設計――READMEの「承認済み」を許可にしない
READMEの「承認済み」を許可にしない仕組みと、承認DBに残る課題を説明します。
kiuribotsのGit反映処理を6件のテストで確かめる — 承認と拒否の検査
自作AIエージェントkiuribotsのGit反映処理について、承認前停止、追加コミットの拒否、フック不実行など6件のテストの入力と確認結果を整理します。
ARTEX・Cairn・Strixとは？ 図でわかるAIの調査と検証
計画役と実行役、共有メモ、証拠の確認。3つの仕組みを図で比べる。
2026年9月下旬〜10月上旬のサイバー攻撃――国内外29事例の公表内容を読む
国内外の公表、AI悪用の続報、利用者への影響を整理。
AIエージェントに本番権限を渡す前に考えること
調査と変更の境界を決める本番権限の点検
APIキーを環境変数に入れれば安全？公開用JavaScriptで確かめる
架空の値を環境変数として扱い、公開用JavaScriptへの埋め込みを比較しました。サーバー側に置く理由を、生成されたファイルから確認します。
temperatureを変えると回答はどう変わる？Qwen3を6回動かして読む
同じ題名が3回出た条件も、異なる題名が出た条件もありました。3つのtemperatureと2つのseedを比べ、設定と回答品質を分けて読みます。
日本語18文字は何トークン？Qwen3の実測とAPI料金の数え方
日本語18文字はQwen3のトークナイザーで13トークンでした。実際の区切りを見て、文字数と利用量、料金を分けて数えます。
プロンプトの書き方を、APIの説明を頼んだ2つの回答で比べる
依頼を具体的にすると形式は変わりました。ただしAPIの説明には不正確な表現が残っています。実際の2回答を読み分けます。
RAGとは？検索と資料の渡し方を、貸出期間の例で確認する
資料の貸出期間を7日から3日に変えると回答も変わりました。資料を渡す実験と、検索を含むRAG全体を分けて説明します。
LLMとは？Qwen3の実際の回答から、説明を確かめる
「LLMとは」と小型モデルに聞くと、2文の答えが返りました。その説明のどこを確認すべきか、実際の出力から考えます。