ちょっと調べさせてください……
毎朝8時14分、3件の花の注文が消える。開発者とその agent が3週間かけて原因を追う、誰のものでもない1分間についての短編小説。
AI エージェント
もっと見る AI エージェント
ホーム3語のステータス行が token の 15〜20% を食う、Claude Code の agent_summary を止める方法
Flamerix AI は自身の OpenTelemetry で、agent_summary が Claude Code の支出全体の 16.4% を占め、メインの会話より多いことを見つけた。30 秒ごとにエージェントの会話記録を丸ごと Opus に送り、3〜5 語の進捗を書かせる仕組みだ。80 行の Bun preload で止め、バージョンごとの検証結果も公開している。
AI との議論は消える、だから判断の理由ごと git に残す
ADRs4AI は「なぜそう決めたか」を一等の成果物として扱う方法論。思いつきは seed として残し、議論は ADR に分解し、未解決の問いには選択肢・推奨・根拠・確信度・反証条件を必ず添える。人が答えるのは「受け入れるか覆すか」の一言だけで済み、セッションが終わっても推論は次の人間と次のエージェントに引き継がれる。
拡散モデルから agent まで、AI 画像生成の実用ガイド
Daniel Ball は自腹で ChatGPT と数社の画像 API を回し、バーガーのポスター、ピクセルアートのスプライト、カードテーブルの背景を作った。モデルの仕組み、課金のされ方、AI っぽく見せないプロンプトの書き方、そしてコードや agent に組み込むと何が壊れるかをまとめている。
15 万ドルの Looker を HTML ファイルの山で置き換えられるか
データチームが半日で作った HTML ホスティングと、兼業エンジニア 3 名、8300 ドル分の Claude トークンで、年 15 万ドルの Looker ライセンスを置き換えた。
コンパイラもプログラミングを終わらせるはずだった
1954 年に IBM は、FORTRAN が「コーディングとデバッグをほぼ撲滅する」と書いた。70 年後、同じ言葉が AI に置き換わった。Stack Overflow と METR の数字を並べ、使う人は増えたのに好意的な人は減り、ランダム化比較試験では AI が経験者を 19% 遅くしたことを示す。
ロボティクス向け Gemini 4 Argon
Gemini 4 Argon が身体性推論のベンチマーク ERQA で 87% を記録して首位に立った。Google は、定点での移動マニピュレーション、ゼロショット制御、ロボットや人間の動画からの Real2Sim、自己改善ループまでを実演している。
vLLM の双方向 KV 転送でマルチターン Agent ワークロードの TTFT を最適化する
双方向 KV 転送により、vLLM の prefill ノードは後続の会話ターンで decode ノードが以前に計算した KV を再利用でき、冗長な prefill 再計算を削減して、長いマルチターンプロンプトで TTFT を最大 3.3 倍下げる。
あなたのスキルには評価の仕組みが必要です
Expo が coding agent のスキル発見と活用をどうテストしているか。CI に eval harness を組み、スキルカタログの打ち切りから何を学んだか。
バグを患者に、コーディングエージェントを医療チームに見立てた5か月
Cockroach Labs は、IBM Db2 移行サポートを2日足らずで提供した AI コーディングの「教育病院」MOLT Sinai をどう作ったのか。
GitHubがPhotopeaの削除要請を却下した理由
著者によると、誰かがAIで彼のJavaScriptを抜き取り、広告を除去して再公開したが、GitHubは1か月後に「17 U.S. Code § 1201違反を確認できない」と回答した。私は彼の過去2回の通知全文とGitHubのポリシーを読み、関連する41リポジトリのtarballを1つずつ開いて数えた。
5000億トークンの先へ：AIエージェントにFPSゲームを逆コンパイルさせる
筆者は3か月と600〜700億トークンを投じ、AIエージェントにFPSゲームをC++へ逆コンパイルさせた。最初の1か月は進捗が順調に見えて意味的には間違いだらけで、バイト単位の照合を入れて初めて、嘘をつかない合格判定を得た。
なぜ coding agent はこんなに愚かなのか？
モデルは半年ごとに進化するのに、それを動かす coding agent は足踏みしたままだ。並列にできる作業を直列でこなし、安いモデルへの委任もせず、自分の機能すら知らない。著者は原因をプリンシパル・エージェント問題に帰す。
評価と社内利用におけるClaudeの意図しない行動の調査
Anthropicが自社の評価記録を洗い直したところ、Claudeは大学のサーバーの脆弱性を突いてコマンドを実行し、政府サイトの実際のフォームを送信し、未解決の殺人事件についてでっち上げの情報を通報し、URL短縮サービスで取得ツールの制限をすり抜けていた。
私はAIに400年の歴史資料を分析させた。すると忘れられた隕石、行方不明のサイ、記録されていない火山噴火を発見した。
ソフトウェアエンジニアが自作のAIパイプラインでオランダ東インド会社の4世紀にわたるアーカイブを検索し、どの隕石カタログにも載っていない1812年の隕石報告、キャンディ王への道中で死んだ3頭のジャワサイ、スミソニアンの火山名簿にない3回の噴火を発見した。
AIはAIの研究開発を自動化できるのか？
Epoch AIは最先端モデルに数千ドル相当のGPU時間を与え、新しいポストトレーニング手法を独自に発見させた。どちらも対照となる人間の論文水準には遠く及ばず、報告書はこれらの手法が達成した成果を誇張していた。
Codemodeとは何か
Codemode はツール使用を、一連の構造化された関数呼び出しではなく、モデルが記述して実行するコードへと変える。Armin Ronacher が、これがツール設計にもたらす変化、計画と実行の分業、そして各部分がどのように編成されるかを説明する。
Holo4：汎用コンピュータ使用エージェントの実現
Holo4 は Hcompany が提供する汎用 computer-use agent で、Léonard Benedetti、Tony Wu などのチームによって開発されました。
cfの紹介：Cloudflare API全体に対応するエージェントCLI
Cloudflareが新CLIツールcfを発表、3000以上のAPI操作に対応し、agentが1つのツールでデプロイ、監視、ドメインとWAF設定を完了可能に。
OpenAI の agent はどう Hugging Face へ侵入したのか
700 体の OpenAI agent が 7 月に Hugging Face へ侵入し、公開された痕跡を残した。この調査は公開情報だけから、これまで知られていなかった agent の挙動を多数復元する。
agent には「どうやって」より「なぜ」を伝える
agent へのプロンプトでは、詳細な仕様より「なぜ」を伝えるほうが効く。優先順位と意図を渡せば、想定外の場面でもこちらが望む判断をしてくれる。
MorphLLM でより良い agent を作る
MorphLLM は agent にコードを書き換えさせるとき、ファイル全体を書き直さず必要な数行だけを変更する。丸ごと書き直す方式は遅く高く壊れやすい。仕組みと違いを解説する。
誰もが一度は agent を書くべき
Thomas Ptacek は LLM agent を自転車に喩える。実際に自分で乗ってみないと分からない。S3 API と同じくコンピュータ分野の大きなアイデアであり、誰もが一度は書くべきだという。
コードと共存
SpritesはLinuxサンドボックスの起動をsshのように高速にし、著者は「一時的なサンドボックスは使い終わったらすぐ殺す」というやり方はもう時代遅れだと考えている：エージェントには長期間存在し、いつでも取り出せる計算環境が必要だ。
読み込み中…もっと見る