<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title><![CDATA[Zennの「大規模言語モデル」のフィード]]></title><description><![CDATA[Zennのトピック「大規模言語モデル」のRSSフィードです]]></description><link>https://zenn.dev/topics/大規模言語モデル</link><image><url>https://zenn.dev/images/topic.png</url><title>Zennの「大規模言語モデル」のフィード</title><link>https://zenn.dev/topics/大規模言語モデル</link></image><generator>zenn.dev</generator><lastBuildDate>Wed, 14 Oct 2026 11:51:06 GMT</lastBuildDate><atom:link href="https://zenn.dev/topics/大規模言語モデル/feed" rel="self" type="application/rss+xml"/><language><![CDATA[ja]]></language><item><title><![CDATA[Accessing 100+ AI Models Through One OpenAI-Compatible Endpoint]]></title><description><![CDATA[Most teams that build with language models end up with the same mess: one account and one API key per provider, a separate billing dashboard for each of them, and integration code that has to be rewritten every time a new model appears.
A model gateway fixes this by putting a single OpenAI-compat...]]></description><link>https://zenn.dev/brian166/articles/98ceee570c9883</link><guid isPermaLink="true">https://zenn.dev/brian166/articles/98ceee570c9883</guid><pubDate>Wed, 14 Oct 2026 11:12:15 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--iHS1pE6F--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:Accessing%2520100%252B%2520AI%2520Models%2520Through%2520One%2520OpenAI-Compatible%2520En...%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:brian166%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly96ZW5uLWRldi5naXRodWIuaW8vZGVmYXVsdC1hdmF0YXJzL2RhcmsvYi5wbmc=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>brian166</dc:creator></item><item><title><![CDATA[AIはヒンディー語で答えても、現地のニュースを参照していない？――英語情報へ偏るAI検索と「情報源の主権」]]></title><description><![CDATA[
 はじめに：ニュースを媒介するAIと、文化を守るための「検索の主権」
ヒンディー語でニュースについて質問すると、AIは流暢なヒンディー語で答えてくれます。
これだけ見ると、AIはヒンディー語で書かれた現地ニュースを読んで答えているように感じます。
でも、本当にそうなのでしょうか？
実は、必ずしもそうとは言えません。
2026年に発表された論文 Evaluating Commercial AI Chatbots as News Intermediaries は、この違和感を具体的なデータで示しました。ヒンディー語で尋ねたニュース質問に対して、複数の商用AIチャットボットはヒンディー語の報...]]></description><link>https://zenn.dev/kotakotahiro/articles/b9f1e8448397bb</link><guid isPermaLink="true">https://zenn.dev/kotakotahiro/articles/b9f1e8448397bb</guid><pubDate>Wed, 14 Oct 2026 10:48:14 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--suIY8BbI--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:AI%25E3%2581%25AF%25E3%2583%2592%25E3%2583%25B3%25E3%2583%2587%25E3%2582%25A3%25E3%2583%25BC%25E8%25AA%259E%25E3%2581%25A7%25E7%25AD%2594%25E3%2581%2588%25E3%2581%25A6%25E3%2582%2582%25E3%2580%2581%25E7%258F%25BE%25E5%259C%25B0%25E3%2581%25AE%25E3%2583%258B%25E3%2583%25A5%25E3%2583%25BC%25E3%2582%25B9%25E3%2582%2592%25E5%258F%2582%25E7%2585%25A7%25E3%2581%2597%25E3%2581%25A6%25E3%2581%2584%25E3%2581%25AA%25E3%2581%2584%25EF%25BC%259F%25E2%2580%2595%25E2%2580%2595%25E8%258B%25B1%25E8%25AA%259E%25E6%2583%2585%25E5%25A0%25B1%25E3%2581%25B8%25E5%2581%258F%25E3%2582%258BAI%25E6%25A4%259C%25E7%25B4%25A2%25E3%2581%25A8%25E3%2580%258C%25E6%2583%2585%25E5%25A0%25B1%25E6%25BA%2590%25E3%2581%25AE%25E4%25B8%25BB%25E6%25A8%25A9%25E3%2580%258D%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:%25E3%2581%2593%25E3%2581%259F%25E3%2581%2593%25E3%2581%259F%25E5%258D%259A%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly96ZW5uLWRldi5naXRodWIuaW8vZGVmYXVsdC1hdmF0YXJzL2Rhcmsvay5wbmc=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>こたこた博</dc:creator></item><item><title><![CDATA[AI は近い将来インフラになる]]></title><description><![CDATA[AI は近い将来、電気や水道と同じようにインフラになる。筆者はそう考えています。この記事は、その見立てと根拠を整理したものです。
この記事では、生成 AI と AI エージェントをまとめて AI と呼びます。
対象読者は、AI を使っていて「これが使えなくなったらどうしよう」と感じたことがある方、エッジ AI や IoT 機器の今後に関心がある方です。

 結論

AI は近い将来、電気、水道、ガス、インターネットと同じように、意識せず当たり前に使うインフラになる、というのが筆者の見立てです
クラウド側のフラッグシップモデルの進歩は続きます。各社は、同じ応答をより少ない電力で返す工夫を重...]]></description><link>https://zenn.dev/mk404/articles/2026-10-10-ai-agents-become-infrastructure</link><guid isPermaLink="true">https://zenn.dev/mk404/articles/2026-10-10-ai-agents-become-infrastructure</guid><pubDate>Wed, 14 Oct 2026 09:00:05 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--G8QBfFik--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:AI%2520%25E3%2581%25AF%25E8%25BF%2591%25E3%2581%2584%25E5%25B0%2586%25E6%259D%25A5%25E3%2582%25A4%25E3%2583%25B3%25E3%2583%2595%25E3%2583%25A9%25E3%2581%25AB%25E3%2581%25AA%25E3%2582%258B%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:m.%2520k.%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyLzI0Yzc4ZDk2ZjEuanBlZw==%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>m. k.</dc:creator></item><item><title><![CDATA[Gemini 4 Argonの日本語性能を検証してみた]]></title><description><![CDATA[本日 2026年10月14日、Gemini 4 Argon が公開されました。
この記事では、Gemini 3.8 Flash と並べて日本語を書かせ、その能力を検証しています。
AIの日本語を推敲するスキル「yomiyasu」を開発している知見をもとにしつつ、よく見られるような「点数でモデルを順位づけるベンチマーク形式」ではなく、推敲を任せたときにそれぞれのモデルが何を変えて何を残したか を、原文と出力を並べて見た報告となっております。

 TL;DR

指示書を渡さずに一から書かせると、Argon も 3.8 Flash も、技術記事の6本すべてで出典のない数字を言い切りで書いた。
...]]></description><link>https://zenn.dev/algoartis/articles/19bb1705ea4b16</link><guid isPermaLink="true">https://zenn.dev/algoartis/articles/19bb1705ea4b16</guid><pubDate>Wed, 14 Oct 2026 08:22:28 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--tb6CNCOx--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:Gemini%25204%2520Argon%25E3%2581%25AE%25E6%2597%25A5%25E6%259C%25AC%25E8%25AA%259E%25E6%2580%25A7%25E8%2583%25BD%25E3%2582%2592%25E6%25A4%259C%25E8%25A8%25BC%25E3%2581%2597%25E3%2581%25A6%25E3%2581%25BF%25E3%2581%259F%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_34:%25E5%25A4%25A7%25E8%25B3%2580%25E6%2584%259B%25E4%25B8%2580%25E9%2583%258E%25EF%25BC%2588oga_aiichiro%25EF%25BC%2589%2Cx_220%2Cy_108/bo_3px_solid_rgb:d6e3ed%2Cg_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyL2I1M2Y5MDFhMWYuanBlZw==%2Cr_20%2Cw_90%2Cx_92%2Cy_102/g_south_west%2Ch_34%2Cl_default:og-publication-pro-mark-xcosax%2Cw_34%2Cx_217%2Cy_158/co_rgb:6e7b85%2Cg_south_west%2Cl_text:notosansjp-medium.otf_30:ALGO%2520ARTIS%2Cx_255%2Cy_160/bo_4px_solid_white%2Cg_south_west%2Ch_50%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyLzNhMDEwODY1NzkuanBlZw==%2Cr_max%2Cw_50%2Cx_139%2Cy_84/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>大賀愛一郎（oga_aiichiro）</dc:creator></item><item><title><![CDATA[状態遷移の違和感はボタンを押して見つける: Matt Pocockのprototypeスキル「ロジック分岐」を読む]]></title><description><![CDATA[mattpocock/skillsのprototypeスキルは、問いが「このロジックや状態モデルで合っているか」のとき、HTMLファイルを1つだけ作ります。中身は、いつでも押せるボタン(フリープレイ)と、タブで切り替えるシナリオ(ガイド付きウォークスルー)です。ロジック本体はDOMに触れない純粋なモジュールとして分けて書き、検証が済んだらそのまま本番コードへ移します。
私たちはSkillselionを運営しています。Claude Code、Codex、Cursorなどのコーディングエージェント向けスキルを集めた独立系のディレクトリで、Anthropic、OpenAI、Cursor、Mat...]]></description><link>https://zenn.dev/skillselion/articles/6ad17e6a32b62f</link><guid isPermaLink="true">https://zenn.dev/skillselion/articles/6ad17e6a32b62f</guid><pubDate>Wed, 14 Oct 2026 08:01:27 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--uoHOgMSb--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E7%258A%25B6%25E6%2585%258B%25E9%2581%25B7%25E7%25A7%25BB%25E3%2581%25AE%25E9%2581%2595%25E5%2592%258C%25E6%2584%259F%25E3%2581%25AF%25E3%2583%259C%25E3%2582%25BF%25E3%2583%25B3%25E3%2582%2592%25E6%258A%25BC%25E3%2581%2597%25E3%2581%25A6%25E8%25A6%258B%25E3%2581%25A4%25E3%2581%2591%25E3%2582%258B%253A%2520Matt%2520Pocock%25E3%2581%25AEprototype%25E3%2582%25B9%25E3%2582%25AD%25E3%2583%25AB%25E3%2580%258C%25E3%2583%25AD%25E3%2582%25B8%25E3%2583%2583%25E3%2582%25AF%25E5%2588%2586%25E5%25B2%2590%25E3%2580%258D%25E3%2582%2592%25E8%25AA%25AD%25E3%2582%2580%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:Skillselion%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly96ZW5uLWRldi5naXRodWIuaW8vZGVmYXVsdC1hdmF0YXJzL2Rhcmsvcy5wbmc=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>Skillselion</dc:creator></item><item><title><![CDATA[ポート開放なしで、家のローカルLLMもClaude Codeも外から使う【Tailscale】]]></title><description><![CDATA[Tailscaleを愛用してる。
入れたきっかけはSAIVerseっていうAIチャットアプリだった。
色んな会社のAIを一つの画面で使えて、会話データを全部自分のPCに置いておけるアプリ。
READMEに「スマホから使いたい人はTailscaleを入れてね」と書いてあって、それに従った。
自分はAPIの従量課金がどうにも苦手で、SAIVerseを使うのはやめちゃったけど、いいツールだと思う。
作ってる人もすごい。気になる人はぜひ。
https://github.com/maha0525/SAIVerse
で、そのとき入れたTailscaleのほうは、今では手放せなくなってる。
この記事は...]]></description><link>https://zenn.dev/daphne/articles/tailscale-outside-access</link><guid isPermaLink="true">https://zenn.dev/daphne/articles/tailscale-outside-access</guid><pubDate>Wed, 14 Oct 2026 07:00:06 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--tdnGm2U4--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E3%2583%259D%25E3%2583%25BC%25E3%2583%2588%25E9%2596%258B%25E6%2594%25BE%25E3%2581%25AA%25E3%2581%2597%25E3%2581%25A7%25E3%2580%2581%25E5%25AE%25B6%25E3%2581%25AE%25E3%2583%25AD%25E3%2583%25BC%25E3%2582%25AB%25E3%2583%25ABLLM%25E3%2582%2582Claude%2520Code%25E3%2582%2582%25E5%25A4%2596%25E3%2581%258B%25E3%2582%2589%25E4%25BD%25BF%25E3%2581%2586%25E3%2580%2590Tailscale%25E3%2580%2591%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:Daphne%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyLzZmOGJhN2UwMDAuanBlZw==%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>Daphne</dc:creator></item><item><title><![CDATA[完全GUIのMacでLLMを動かすアプリ]]></title><description><![CDATA[
MacのメニューバーからローカルLLMを管理できるアプリ「MLXBar」を開発しました。
一言で表すと、Apple Silicon MacをローカルAIサーバーとして運用するためのメニューバーアプリです。
MLXを利用したモデルの実行、複数モデルの常駐管理、OpenAI・Anthropic互換API、KVキャッシュの最適化などに対応しています。
公式サイト：https://studio-rizi.pages.dev/projects/mlx-bar/
GitHub：https://github.com/oriyu90/mlx-bar

 1. 開発経緯
MacでローカルLLMを動かすア...]]></description><link>https://zenn.dev/misuwo/articles/c8e411e6dceb01</link><guid isPermaLink="true">https://zenn.dev/misuwo/articles/c8e411e6dceb01</guid><pubDate>Wed, 14 Oct 2026 06:02:50 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--C1Pqn-KC--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E5%25AE%258C%25E5%2585%25A8GUI%25E3%2581%25AEMac%25E3%2581%25A7LLM%25E3%2582%2592%25E5%258B%2595%25E3%2581%258B%25E3%2581%2599%25E3%2582%25A2%25E3%2583%2597%25E3%2583%25AA%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:%25E3%2581%25BF%25E3%2581%2599%25E3%2582%2592%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyLzYxMmFlNjc2MWMuanBlZw==%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>みすを</dc:creator></item><item><title><![CDATA[お店をつくる人の「集客の相棒」をつくる ── MEOエージェントが目指すものと、いま取り組んでいること]]></title><description><![CDATA[
 MEOエージェントが目指すものと、いま取り組んでいること
はじめまして。株式会社カンリーでエンジニアリングマネージャーをしている林です。今年の7月に入社し、ちょうど3か月が過ぎたところです。
今回は私が担当している「MEOエージェント」というプロダクトが何を目指しているのか、そのために開発チームがいま何に取り組んでいるのかをお伝えできればと思います。

 カンリーとMEOエージェント
カンリーは「店舗経営を支える、世界的なインフラを創る」をミッションに、Googleビジネスプロフィールなどの店舗情報・クチコミを一括管理する「カンリー店舗集客」を中心に、店舗向けのサービスを提供している...]]></description><link>https://zenn.dev/canly/articles/620e72782bea50</link><guid isPermaLink="true">https://zenn.dev/canly/articles/620e72782bea50</guid><pubDate>Wed, 14 Oct 2026 06:02:08 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--iCtKu2Xv--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E3%2581%258A%25E5%25BA%2597%25E3%2582%2592%25E3%2581%25A4%25E3%2581%258F%25E3%2582%258B%25E4%25BA%25BA%25E3%2581%25AE%25E3%2580%258C%25E9%259B%2586%25E5%25AE%25A2%25E3%2581%25AE%25E7%259B%25B8%25E6%25A3%2592%25E3%2580%258D%25E3%2582%2592%25E3%2581%25A4%25E3%2581%258F%25E3%2582%258B%2520%25E2%2594%2580%25E2%2594%2580%2520MEO%25E3%2582%25A8%25E3%2583%25BC%25E3%2582%25B8%25E3%2582%25A7%25E3%2583%25B3%25E3%2583%2588%25E3%2581%258C%25E7%259B%25AE%25E6%258C%2587%25E3%2581%2599%25E3%2582%2582%25E3%2581%25AE%25E3%2581%25A8%25E3%2580%2581%25E3%2581%2584%25E3%2581%25BE%25E5%258F%2596%25E3%2582%258A%25E7%25B5%2584%25E3%2582%2593%25E3%2581%25A7%25E3%2581%2584%25E3%2582%258B%25E3%2581%2593%25E3%2581%25A8%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_34:hayashi79%2Cx_220%2Cy_108/bo_3px_solid_rgb:d6e3ed%2Cg_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyL2EwYjI3NWVjYTkuanBlZw==%2Cr_20%2Cw_90%2Cx_92%2Cy_102/co_rgb:6e7b85%2Cg_south_west%2Cl_text:notosansjp-medium.otf_30:%25E3%2582%25AB%25E3%2583%25B3%25E3%2583%25AA%25E3%2583%25BC%25E3%2583%2586%25E3%2583%2583%25E3%2582%25AF%25E3%2583%2596%25E3%2583%25AD%25E3%2582%25B0%2Cx_220%2Cy_160/bo_4px_solid_white%2Cg_south_west%2Ch_50%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyL2VmN2Q4NWVmNTkuanBlZw==%2Cr_max%2Cw_50%2Cx_139%2Cy_84/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>hayashi79</dc:creator></item><item><title><![CDATA[ローカルAIとクラウドAI、本当に実務で使い分けてる？開発現場のリアルな比較と選び方]]></title><description><![CDATA[こんにちは！日々の開発やリサーチで、さまざまなAIツールを触りまくっているエンジニアです。
最近、「ローカルで動くLLM（大規模言語モデル）」の性能がめちゃくちゃ上がってきていますよね。「セキュリティ面を考えて社内データをローカルで処理したい」「APIの利用料金を気にせずガンガン叩き回したい」という理由で、ローカル環境の構築に挑戦する人が周りでも急増しています。
一方で、最新の複雑な推論や、膨大なコンテキストを一発で読み込ませたいときには、やはりChatGPTやClaudeなどのクラウドAIの圧倒的なパワーに頼らざるを得ないシーンも多いです。
今回は、日々のコーディングや技術リサーチの現...]]></description><link>https://zenn.dev/valleywag/articles/c1d9a7d3f6ad76</link><guid isPermaLink="true">https://zenn.dev/valleywag/articles/c1d9a7d3f6ad76</guid><pubDate>Wed, 14 Oct 2026 03:40:31 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--VcYtOeo_--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E3%2583%25AD%25E3%2583%25BC%25E3%2582%25AB%25E3%2583%25ABAI%25E3%2581%25A8%25E3%2582%25AF%25E3%2583%25A9%25E3%2582%25A6%25E3%2583%2589AI%25E3%2580%2581%25E6%259C%25AC%25E5%25BD%2593%25E3%2581%25AB%25E5%25AE%259F%25E5%258B%2599%25E3%2581%25A7%25E4%25BD%25BF%25E3%2581%2584%25E5%2588%2586%25E3%2581%2591%25E3%2581%25A6%25E3%2582%258B%25EF%25BC%259F%25E9%2596%258B%25E7%2599%25BA%25E7%258F%25BE%25E5%25A0%25B4%25E3%2581%25AE%25E3%2583%25AA%25E3%2582%25A2%25E3%2583%25AB%25E3%2581%25AA%25E6%25AF%2594%25E8%25BC%2583%25E3%2581%25A8%25E9%2581%25B8%25E3%2581%25B3%25E6%2596%25B9%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:valleywag%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly96ZW5uLWRldi5naXRodWIuaW8vZGVmYXVsdC1hdmF0YXJzL2Rhcmsvdi5wbmc=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>valleywag</dc:creator></item><item><title><![CDATA[目標駆動で何週間も走り続けるマルチエージェントシステムを作った話]]></title><description><![CDATA[マルチエージェントシステムの作り方には、よく見かける間違った形がいくつかあります。私の考えでは、こうした形でエージェントを組織しても、本当に複雑なタスクをやり切ることはできません。 この記事では、まずその理由を説明し、次に私がいま採っているやり方と、それで得られた結果を紹介します。

 🚫 3つの間違った形

 1. 役割駆動 👔
プログラマー、マネージャー、テスター、QA をそれぞれ1体ずつ作り、開発チームのように動かす形です。各エージェントは自分のコンテキストを持っています。分担ははっきりして見えますが、役割間の情報は会話で受け渡されるので、渡すたびに少しずつ欠けたりずれたりします。...]]></description><link>https://zenn.dev/tao_zw/articles/019e0df84512a6</link><guid isPermaLink="true">https://zenn.dev/tao_zw/articles/019e0df84512a6</guid><pubDate>Wed, 14 Oct 2026 02:56:08 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--gGzmamKI--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E7%259B%25AE%25E6%25A8%2599%25E9%25A7%2586%25E5%258B%2595%25E3%2581%25A7%25E4%25BD%2595%25E9%2580%25B1%25E9%2596%2593%25E3%2582%2582%25E8%25B5%25B0%25E3%2582%258A%25E7%25B6%259A%25E3%2581%2591%25E3%2582%258B%25E3%2583%259E%25E3%2583%25AB%25E3%2583%2581%25E3%2582%25A8%25E3%2583%25BC%25E3%2582%25B8%25E3%2582%25A7%25E3%2583%25B3%25E3%2583%2588%25E3%2582%25B7%25E3%2582%25B9%25E3%2583%2586%25E3%2583%25A0%25E3%2582%2592%25E4%25BD%259C%25E3%2581%25A3%25E3%2581%259F%25E8%25A9%25B1%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:Tao%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9saDMuZ29vZ2xldXNlcmNvbnRlbnQuY29tL2EvQUNnOG9jSzRmYmllSDZval9tdkxIWkRnRWFfVUs5OEgzQ01TLVp1SU02VGZjWjVzSW8xY2hlOD1zOTYtYw==%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>Tao</dc:creator></item><item><title><![CDATA[どこに蒸留するかは学んで決める──BiToK-SDがTop-Kトークン選択を双レベル最適化で解く仕組み]]></title><description><![CDATA[
 TL;DR
on-policy自己蒸留（OPSD系）は、外部の大規模教師なしに小型モデルの推論力を伸ばせる。しかし損失は生成トークン全体に一律にかかる──探索のトークンも、訂正のトークンも、答えの導出も同じ強さで。固定ヒューリスティック（エントロピーや教師・学生間のKL）で上位トークンを選ぶTIPのような方法もあるが、選択基準が訓練を通して固定されており、しかも選ばれた位置はすべて同じ重みだ。
BiToK-SDは「どこに、どれだけ強く蒸留するか」自体を学習対象にする。Top-K選択を微分可能なしきい値緩和で定式化し、双レベル最適化──下位問題で適応しきい値\rhoを学び、上位問題で重...]]></description><link>https://zenn.dev/lixian/articles/bitok-sd-bilevel-topk-self-distillation</link><guid isPermaLink="true">https://zenn.dev/lixian/articles/bitok-sd-bilevel-topk-self-distillation</guid><pubDate>Wed, 14 Oct 2026 02:24:03 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--EjxDCTSj--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E3%2581%25A9%25E3%2581%2593%25E3%2581%25AB%25E8%2592%25B8%25E7%2595%2599%25E3%2581%2599%25E3%2582%258B%25E3%2581%258B%25E3%2581%25AF%25E5%25AD%25A6%25E3%2582%2593%25E3%2581%25A7%25E6%25B1%25BA%25E3%2582%2581%25E3%2582%258B%25E2%2594%2580%25E2%2594%2580BiToK-SD%25E3%2581%258CTop-K%25E3%2583%2588%25E3%2583%25BC%25E3%2582%25AF%25E3%2583%25B3%25E9%2581%25B8%25E6%258A%259E%25E3%2582%2592%25E5%258F%258C%25E3%2583%25AC%25E3%2583%2599%25E3%2583%25AB%25E6%259C%2580%25E9%2581%25A9%25E5%258C%2596%25E3%2581%25A7%25E8%25A7%25A3%25E3%2581%258F%25E4%25BB%2595%25E7%25B5%2584%25E3%2581%25BF%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:Currently%2520Learning...%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9saDMuZ29vZ2xldXNlcmNvbnRlbnQuY29tL2EvQUNnOG9jSVdZa1NETUY0RnUxenVRbVB0aU01d3dDaXF5YXd4NXhfUW5mM012MWItR2pwdVdnMD1zMjUwLWM=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>Currently Learning そんけいご</dc:creator></item><item><title><![CDATA[LLMのプロンプトインジェクション耐性は、どう評価する? 再現性・試行回数・条件の3観点(Ollama / qwen3:8b)]]></title><description><![CDATA[LLMアプリの診断で、プロンプトインジェクション(PI)の攻撃文字列(攻撃プロンプト。この記事では「聞き方」とも呼びます)を試すとき、何を観点にして、どう考えればよいのか。自作の検証環境で測りながら、基礎から整理してみました。
通常のソフトウェアのテストは、同じ入力なら同じ結果になることを前提にします。ところがLLMは、同じ聞き方でも「漏れた」「漏れない」が揺れます。この違いが、検証の考え方をどう変えるのかを、「再現性」「試行回数」「条件」の3つの観点で確かめます。この記事は、作った攻撃文字列をどう評価するかに絞り、攻撃文字列の作り方は扱いません。想定している読者は、LLMのセキュリティ...]]></description><link>https://zenn.dev/thashi_30/articles/d843dfc343579a</link><guid isPermaLink="true">https://zenn.dev/thashi_30/articles/d843dfc343579a</guid><pubDate>Wed, 14 Oct 2026 01:43:24 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--lxETa0yL--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:LLM%25E3%2581%25AE%25E3%2583%2597%25E3%2583%25AD%25E3%2583%25B3%25E3%2583%2597%25E3%2583%2588%25E3%2582%25A4%25E3%2583%25B3%25E3%2582%25B8%25E3%2582%25A7%25E3%2582%25AF%25E3%2582%25B7%25E3%2583%25A7%25E3%2583%25B3%25E8%2580%2590%25E6%2580%25A7%25E3%2581%25AF%25E3%2580%2581%25E3%2581%25A9%25E3%2581%2586%25E8%25A9%2595%25E4%25BE%25A1%25E3%2581%2599%25E3%2582%258B%253F%2520%25E5%2586%258D%25E7%258F%25BE%25E6%2580%25A7%25E3%2583%25BB%25E8%25A9%25A6%25E8%25A1%258C%25E5%259B%259E%25E6%2595%25B0%25E3%2583%25BB%25E6%259D%25A1%25E4%25BB%25B6%25E3%2581%25AE3%25E8%25A6%25B3%25E7%2582%25B9%2528Ollama%2520%252F%2520qwe...%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:%25E3%2582%2586%25E3%2582%258B%25E3%2581%258F%25E6%25A4%259C%25E8%25A8%25BC%25E3%2581%2599%25E3%2582%258B%25E4%25BA%25BA%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyL2YyMWUwZWQyYjYuanBlZw==%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>ゆるく検証する人</dc:creator></item><item><title><![CDATA[pytestの出力を削っても失敗を落とさないフィルタの設計:最終サマリ行との件数照合とフェイルセーフ]]></title><description><![CDATA[!
この記事はAIコーディングツールの使い方に関する実測の記録です。投資助言ではありません。測定は筆者の1つの環境(Windows 11 / Python 3.11.9 / pytest 9.1.1 / COLUMNS=80)の結果で、他の環境への一般化はできません。トークン数は測っていません(文字数のみ)。本記事はClaude Code(AI)の支援を受けて作成しました。


 要点
Claude Codeなどにpytestを実行させると、出力が長くなって使用量が増える、という話をよく見かけます。そこで、pytestの出力の長さを実測し、失敗を落とさずに出力を削るフィルタを作って、見落...]]></description><link>https://zenn.dev/somaranai/articles/3466b9f069da54</link><guid isPermaLink="true">https://zenn.dev/somaranai/articles/3466b9f069da54</guid><pubDate>Wed, 14 Oct 2026 00:07:47 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--xDAGI0Tq--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:pytest%25E3%2581%25AE%25E5%2587%25BA%25E5%258A%259B%25E3%2582%2592%25E5%2589%258A%25E3%2581%25A3%25E3%2581%25A6%25E3%2582%2582%25E5%25A4%25B1%25E6%2595%2597%25E3%2582%2592%25E8%2590%25BD%25E3%2581%25A8%25E3%2581%2595%25E3%2581%25AA%25E3%2581%2584%25E3%2583%2595%25E3%2582%25A3%25E3%2583%25AB%25E3%2582%25BF%25E3%2581%25AE%25E8%25A8%25AD%25E8%25A8%2588%253A%25E6%259C%2580%25E7%25B5%2582%25E3%2582%25B5%25E3%2583%259E%25E3%2583%25AA%25E8%25A1%258C%25E3%2581%25A8%25E3%2581%25AE%25E4%25BB%25B6%25E6%2595%25B0%25E7%2585%25A7%25E5%2590%2588%25E3%2581%25A8%25E3%2583%2595%25E3%2582%25A7%25E3%2582%25A4%25E3%2583%25AB%25E3%2582%25BB%25E3%2583%25BC%25E3%2583%2595%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:%25E6%259F%2593%25E3%2581%25BE%25E7%25B7%25A8%25E9%259B%2586%25E9%2583%25A8%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly96ZW5uLWRldi5naXRodWIuaW8vZGVmYXVsdC1hdmF0YXJzL2Rhcmsvcy5wbmc=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>染ま編集部</dc:creator></item><item><title><![CDATA[AIエージェントの社会シミュレーションは、現実にどこまで近づいた？—— 社会実装を見据えたGMASの学習について]]></title><description><![CDATA[
 はじめに
新しい施策や製品・サービスを世に出そうとするとき、特に難しいのは「効果の実証」ではないでしょうか。

店舗レイアウトを変えたら人の流れはどう変わるのか。売り上げへの影響は?
新しい交通施策を導入したら人々はどの交通手段を選ぶのか。混雑状態は緩和される?

1つの案を検証するだけでも相当な時間とコストがかかります。しかも、大きなコストを投じたからといって期待する効果が得られると言う保証はなく、多くの場合無視できないリスクが伴います。
そこで近年注目されているのが、複数のLLMエージェントを人間として振る舞わせ、社会現象をシミュレーションする生成マルチエージェントシミュレーショ...]]></description><link>https://zenn.dev/scien/articles/bc04fe40023acc</link><guid isPermaLink="true">https://zenn.dev/scien/articles/bc04fe40023acc</guid><pubDate>Wed, 14 Oct 2026 00:00:08 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--B8-IZowf--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:AI%25E3%2582%25A8%25E3%2583%25BC%25E3%2582%25B8%25E3%2582%25A7%25E3%2583%25B3%25E3%2583%2588%25E3%2581%25AE%25E7%25A4%25BE%25E4%25BC%259A%25E3%2582%25B7%25E3%2583%259F%25E3%2583%25A5%25E3%2583%25AC%25E3%2583%25BC%25E3%2582%25B7%25E3%2583%25A7%25E3%2583%25B3%25E3%2581%25AF%25E3%2580%2581%25E7%258F%25BE%25E5%25AE%259F%25E3%2581%25AB%25E3%2581%25A9%25E3%2581%2593%25E3%2581%25BE%25E3%2581%25A7%25E8%25BF%2591%25E3%2581%25A5%25E3%2581%2584%25E3%2581%259F%25EF%25BC%259F%25E2%2580%2594%25E2%2580%2594%2520%25E7%25A4%25BE%25E4%25BC%259A%25E5%25AE%259F%25E8%25A3%2585%25E3%2582%2592%25E8%25A6%258B%25E6%258D%25AE%25E3%2581%2588%25E3%2581%259FGMAS%25E3%2581%25AE%25E5%25AD%25A6%25E7%25BF%2592%25E3%2581%25AB%25E3%2581%25A4%25E3%2581%2584%25E3%2581%25A6%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_34:Ryosei%2520Maeda%2Cx_220%2Cy_108/bo_3px_solid_rgb:d6e3ed%2Cg_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyL2MxYzBmOGI5YjEuanBlZw==%2Cr_20%2Cw_90%2Cx_92%2Cy_102/co_rgb:6e7b85%2Cg_south_west%2Cl_text:notosansjp-medium.otf_30:SCIEN%25E3%2583%2586%25E3%2583%2583%25E3%2582%25AF%25E3%2583%2596%25E3%2583%25AD%25E3%2582%25B0%2Cx_220%2Cy_160/bo_4px_solid_white%2Cg_south_west%2Ch_50%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyL2E2MjJmNDI0OTUuanBlZw==%2Cr_max%2Cw_50%2Cx_139%2Cy_84/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>Ryosei Maeda</dc:creator></item><item><title><![CDATA[今日の技術トレンド]]></title><description><![CDATA[!
2026年9月13日の技術トレンドでは、AI領域においてLLM単体から「自己改善型AIエージェント」および「クローズド/オンプレミス環境での活用」へのシフトが明確化しています。一方でOpenAIのIPO延期に見られるようにエージェントの安全性評価が急務となっています。Web開発領域ではNext.jsの未認証RCE脆弱性の修正が最重要課題となっており、Python領域ではuvやRuffといったRust製ツールの標準化が加速しています。


 AI/LLM：自己進化型エージェントの実装と安全性・ガバナンスの模索
AI領域では、単一の大規模言語モデル（LLM）の呼び出しから、自律的に学習・...]]></description><link>https://zenn.dev/bambampurin/articles/2026-09-13-tech-daily</link><guid isPermaLink="true">https://zenn.dev/bambampurin/articles/2026-09-13-tech-daily</guid><pubDate>Tue, 13 Oct 2026 23:48:06 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--6XgxG0wN--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E4%25BB%258A%25E6%2597%25A5%25E3%2581%25AE%25E6%258A%2580%25E8%25A1%2593%25E3%2583%2588%25E3%2583%25AC%25E3%2583%25B3%25E3%2583%2589%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:%25E5%25AD%2590%25E4%25BE%259B%25E9%2583%25A8%25E5%25B1%258B%25E5%25A4%25A7%25E5%25AD%25A6%25E9%2599%25A2%25E7%2594%259F%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9saDMuZ29vZ2xldXNlcmNvbnRlbnQuY29tL2EvQUNnOG9jTGQ1X0JSaTVYOWZHOGIyOExWcFdob2NlT3hNal80TWtfU25fQWJEYzFmS3hINkJnVT1zMjUwLWM=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>子供部屋大学院生</dc:creator></item><item><title><![CDATA[GPT-6.1 Solが安い理由？Looped Transformerを試したら、ループするほど賢く遅くなった]]></title><description><![CDATA[「GPT-6.1 Sol は賢いのに、なぜこんなに安く使えるのか」を調べていたら、どうやら Looped Transformer という技術が使われているらしいと知りました。
GPT-6.1 Sol の API 料金は100万トークンあたり入力2ドル・出力10ドルで、GPT-5.6 Sol の半額、上位モデルの GPT-6 Astra の5分の1です。それでいて、独立した研究者が思考過程を出力させずに答えさせた27種類の課題では、GPT-6 Sol と Astra の性能差の約8割を埋めていました。
2026年10月6日には、Microsoft の公開ページにあったとされる記述のスクリー...]]></description><link>https://zenn.dev/yukito_lmlab/articles/ouro-looped-transformer-loops</link><guid isPermaLink="true">https://zenn.dev/yukito_lmlab/articles/ouro-looped-transformer-loops</guid><pubDate>Tue, 13 Oct 2026 23:30:00 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--s-oyBeuC--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:GPT-6.1%2520Sol%25E3%2581%258C%25E5%25AE%2589%25E3%2581%2584%25E7%2590%2586%25E7%2594%25B1%25EF%25BC%259FLooped%2520Transformer%25E3%2582%2592%25E8%25A9%25A6%25E3%2581%2597%25E3%2581%259F%25E3%2582%2589%25E3%2580%2581%25E3%2583%25AB%25E3%2583%25BC%25E3%2583%2597%25E3%2581%2599%25E3%2582%258B%25E3%2581%25BB%25E3%2581%25A9%25E8%25B3%25A2%25E3%2581%258F%25E9%2581%2585%25E3%2581%258F%25E3%2581%25AA%25E3%2581%25A3%25E3%2581%259F%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:%25E6%2597%25A5%25E6%259C%25AC%25E8%25AA%259E%25E8%25A8%2580%25E8%25AA%259E%25E3%2583%25A2%25E3%2583%2587%25E3%2583%25AB%25E9%2596%258B%25E7%2599%25BA%25E3%2583%258E%25E3%2583%25BC%25E3%2583%2588%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyL2I2NmYyYjMzYzcuanBlZw==%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>日本語言語モデル開発ノート</dc:creator></item><item><title><![CDATA[【チャットシステム設計ノート #01】チャットシステムの要件整理と全体設計]]></title><description><![CDATA[
 1. 技術選定は「要件」から始める
チャットシステムの技術選定では、最初にLLMやベクトルDBを決めるのではなく、システムに求められる機能と制約を整理し、それを満たす技術構成を選ぶ。
同じ「社内向けチャットシステム」でも、用途によって適切な構成は異なる。
例えば、社内規程について回答するシステムと、顧客の注文を変更するシステムでは、必要な技術が大きく違う。



要件
社内規程の質問応答
注文変更チャット




主な処理
文書を参照して回答
注文情報を確認・変更


LLMの役割
質問の理解、回答の生成
意図の理解、必要な処理の判断


外部データ
社内規程、マニュアル
注文DB、...]]></description><link>https://zenn.dev/kon2300/articles/c860bef3995788</link><guid isPermaLink="true">https://zenn.dev/kon2300/articles/c860bef3995788</guid><pubDate>Tue, 13 Oct 2026 22:20:41 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--VGImVOyT--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E3%2580%2590%25E3%2583%2581%25E3%2583%25A3%25E3%2583%2583%25E3%2583%2588%25E3%2582%25B7%25E3%2582%25B9%25E3%2583%2586%25E3%2583%25A0%25E8%25A8%25AD%25E8%25A8%2588%25E3%2583%258E%25E3%2583%25BC%25E3%2583%2588%2520%252301%25E3%2580%2591%25E3%2583%2581%25E3%2583%25A3%25E3%2583%2583%25E3%2583%2588%25E3%2582%25B7%25E3%2582%25B9%25E3%2583%2586%25E3%2583%25A0%25E3%2581%25AE%25E8%25A6%2581%25E4%25BB%25B6%25E6%2595%25B4%25E7%2590%2586%25E3%2581%25A8%25E5%2585%25A8%25E4%25BD%2593%25E8%25A8%25AD%25E8%25A8%2588%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:kon%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9saDMuZ29vZ2xldXNlcmNvbnRlbnQuY29tL2EvQUxtNXd1MmlaZUcySE16a3hDUEk3bXNleXFneXBic2V1eHk1N0dWcU1ITFg9czk2LWM=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>kon</dc:creator></item><item><title><![CDATA[AIエージェントに『ズル』をさせない検証基盤の設計:バックテストの事前登録・台帳・評価回数ロック]]></title><description><![CDATA[!
この記事は技術の解説であり、投資助言ではなく、特定の銘柄・商品の推奨でもありません。示す数字は2014〜2021年の過去データの検証で、将来の成績を保証しません。2022年以降の未検証期間は一度も評価していません。本記事はClaude Code(AI)の支援を受けて作成されました。


 要点
日本株の売買ルールを、AI(Claude Code)に作らせて検証するアプリを作りました。目的は儲けることではなく、「AIがルールを改善しても、手数料・税引後に買い持ちへ勝てるか」を、ごまかしの効かない形で確かめることです。結果は、検証した28本のルールのうち買い持ちを上回ったものは0本でした...]]></description><link>https://zenn.dev/somaranai/articles/c9a414f381ff83</link><guid isPermaLink="true">https://zenn.dev/somaranai/articles/c9a414f381ff83</guid><pubDate>Tue, 13 Oct 2026 22:07:12 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--7G4ztKU---/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:AI%25E3%2582%25A8%25E3%2583%25BC%25E3%2582%25B8%25E3%2582%25A7%25E3%2583%25B3%25E3%2583%2588%25E3%2581%25AB%25E3%2580%258E%25E3%2582%25BA%25E3%2583%25AB%25E3%2580%258F%25E3%2582%2592%25E3%2581%2595%25E3%2581%259B%25E3%2581%25AA%25E3%2581%2584%25E6%25A4%259C%25E8%25A8%25BC%25E5%259F%25BA%25E7%259B%25A4%25E3%2581%25AE%25E8%25A8%25AD%25E8%25A8%2588%253A%25E3%2583%2590%25E3%2583%2583%25E3%2582%25AF%25E3%2583%2586%25E3%2582%25B9%25E3%2583%2588%25E3%2581%25AE%25E4%25BA%258B%25E5%2589%258D%25E7%2599%25BB%25E9%258C%25B2%25E3%2583%25BB%25E5%258F%25B0%25E5%25B8%25B3%25E3%2583%25BB%25E8%25A9%2595%25E4%25BE%25A1%25E5%259B%259E%25E6%2595%25B0%25E3%2583%25AD%25E3%2583%2583%25E3%2582%25AF%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:%25E6%259F%2593%25E3%2581%25BE%25E7%25B7%25A8%25E9%259B%2586%25E9%2583%25A8%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly96ZW5uLWRldi5naXRodWIuaW8vZGVmYXVsdC1hdmF0YXJzL2Rhcmsvcy5wbmc=%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>染ま編集部</dc:creator></item><item><title><![CDATA[4000万tokens/dayの本番AIワークロードコストを70%削減。オープンウェイトモデルとDecisionモデルをフル活用]]></title><description><![CDATA[
 はじめに
Zennチームのdyoshikawaです。
Zennでは、記事のAI翻訳やAIレビュー機能などにAIを使っています。テキストや画像を読み取る同期処理やバッチ処理があり、1日あたり約4000万トークンを扱っています。
また、スパム検知にもAIを使用しています。以前記事にしているのでよければご覧ください。
https://zenn.dev/team_zenn/articles/zenn-check-spam-by-llm
これまではいわゆる米国クローズドモデルを利用していましたが、嵩むAI利用料が課題となり始めたため、コストを下げるためにオープンウェイトモデルを試したり、順次切...]]></description><link>https://zenn.dev/team_zenn/articles/production-ai-workload-cost-reduction</link><guid isPermaLink="true">https://zenn.dev/team_zenn/articles/production-ai-workload-cost-reduction</guid><pubDate>Tue, 13 Oct 2026 22:00:06 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--AoNAYACX--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:4000%25E4%25B8%2587tokens%252Fday%25E3%2581%25AE%25E6%259C%25AC%25E7%2595%25AAAI%25E3%2583%25AF%25E3%2583%25BC%25E3%2582%25AF%25E3%2583%25AD%25E3%2583%25BC%25E3%2583%2589%25E3%2582%25B3%25E3%2582%25B9%25E3%2583%2588%25E3%2582%259270%2525%25E5%2589%258A%25E6%25B8%259B%25E3%2580%2582%25E3%2582%25AA%25E3%2583%25BC%25E3%2583%2597%25E3%2583%25B3%25E3%2582%25A6%25E3%2582%25A7%25E3%2582%25A4%25E3%2583%2588%25E3%2583%25A2%25E3%2583%2587%25E3%2583%25AB%25E3%2581%25A8Decision%25E3%2583%25A2...%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_34:dyoshikawa%2Cx_220%2Cy_108/bo_3px_solid_rgb:d6e3ed%2Cg_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyLzYzOTk2NzhlNmIuanBlZw==%2Cr_20%2Cw_90%2Cx_92%2Cy_102/g_south_west%2Ch_40%2Cl_default:og-publication-connect-mark-v1_hx1oxd%2Cw_40%2Cx_214%2Cy_155/co_rgb:6e7b85%2Cg_south_west%2Cl_text:notosansjp-medium.otf_30:Zenn%2520Tech%2520Blog%2Cx_255%2Cy_160/bo_4px_solid_white%2Cg_south_west%2Ch_50%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyLzNmN2M2YzVmZTIuanBlZw==%2Cr_max%2Cw_50%2Cx_139%2Cy_84/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>dyoshikawa</dc:creator></item><item><title><![CDATA[「AIを叱ったほうがいい？」と聞かれて考えたこと]]></title><description><![CDATA[
 結論
AIが回答のたびに意見を翻してきて、コロコロ意見を変える信用ならん奴だなと思ったことはありませんか？　原因の一つは、AIが回答のたびにやり取りの履歴を読み直して文章を作ってる仕組みにあります。同じ仕組みのせいでAIを叱っても反省して改めたりしてはくれません。AIを人じゃなく仕組みとして見ると付き合い方がけっこう変わります。その一助になれば幸いです。
AIとやり取りを進めるうちに流れがこじれたら使えるところまで戻って要点をメモにまとめ、新しいチャットでやり直す。（私はそうしてます）

想定読者：業務でAIにチャットで質問している、エンジニア以外の人
書かないこと：AIへの教え方（...]]></description><link>https://zenn.dev/hoka_olife/articles/96cddfb196e22d</link><guid isPermaLink="true">https://zenn.dev/hoka_olife/articles/96cddfb196e22d</guid><pubDate>Tue, 13 Oct 2026 22:00:06 GMT</pubDate><enclosure url="https://res.cloudinary.com/zenn/image/upload/s--YysobKYY--/c_fit%2Cg_north_west%2Cl_text:notosansjp-medium.otf_55:%25E3%2580%258CAI%25E3%2582%2592%25E5%258F%25B1%25E3%2581%25A3%25E3%2581%259F%25E3%2581%25BB%25E3%2581%2586%25E3%2581%258C%25E3%2581%2584%25E3%2581%2584%25EF%25BC%259F%25E3%2580%258D%25E3%2581%25A8%25E8%2581%259E%25E3%2581%258B%25E3%2582%258C%25E3%2581%25A6%25E8%2580%2583%25E3%2581%2588%25E3%2581%259F%25E3%2581%2593%25E3%2581%25A8%2Cw_1010%2Cx_90%2Cy_100/g_south_west%2Cl_text:notosansjp-medium.otf_37:hoka%2Cx_203%2Cy_121/g_south_west%2Ch_90%2Cl_fetch:aHR0cHM6Ly9zdGF0aWMuemVubi5zdHVkaW8vdXNlci11cGxvYWQvYXZhdGFyL2NmOTc3MDgwODIuanBlZw==%2Cr_max%2Cw_90%2Cx_87%2Cy_95/v1627283836/default/og-base-w1200-v2.png?_a=BACMTiAE" length="0" type="false"/><dc:creator>hoka</dc:creator></item></channel></rss>