なぜAIコーディングアシスタントは同じミスを繰り返すのか：結果を受け取るのは誰なのか？
エラーを記録することとエラーから学ぶことは別物だ。6つのagent memoryシステムのうち4つは否定的な判定を含むフィードバック入力を公開しているが、Mnemoverse自身が公表した測定ではこのシグナルはほとんど呼び出されていない。
LLM
もっと見る LLM
ホーム
AIはどのようにAPIを呼び出すのか？ツール呼び出しをゼロから解説
モデルは何も自分で実行せず、構造化されたツール呼び出しリクエストを返すだけです。あなたのコードが実際の関数を実行し、その結果をモデルに返して回答させます。この記事では、この4ステップのループをゼロから分解して解説します。
AIが、それを測るために使っているテストを超えてしまったら、何が起こるのか？
GPT-6 Astraの公開後、著者は「モデルがどれだけ強いか」から、より見落とされがちな問題へと目を向けた。モデルが強くなっていることを、私たちは一体どうやって知るのか。ベンチマークは飽和し、代理指標が使われ、真値の出所は複雑で、採点方法も変わる。記事はスコアを見るときに問うべき5つの問いを提示する。
実質的な中身のあるものを AI に書かせるべきではないと私がほぼ常に考える理由
AI にブログ記事、リサーチレポート、メモのような実質的な内容のテキストを書かせるのは、十分な要点と文脈を与え、後から自分で編集したとしても、ほぼ決してすべきではないと著者は主張する。書くこと自体が思考であり、AI の文章は気づきにくいところで曖昧に誤り、明示しなければ失礼かつ人を誤導するからだ。
頭を切るのは通用しない：肉のプロキシに従業員としての未来はない
Dan Luu は 2025 年初から、LLM を使うときに頭を切る人々を見てきた。結論は明快だ。LLM が「頭を切っても」平均的なソフトを作れるほど強くなったら、会社は LLM をループで走らせてその人を解雇すればいい。
LLM に『スタークラフト』を戦わせた：初心者レベルを超えたものは一つもない
「モデル × 推論設定」19 構成の総当たり戦。Codex Astra が全勝で首位、Grok 系は 43 分でコマンド 6 バッチのみ・戦闘ユニットゼロ、Claude Fable だけが経済とテックを真面目に回した。著者の結論は、初心者レベルを超えた agent は皆無。
Bend 2 と vibe-coding の罠：調べる前に言語とコンパイラを作り切ってしまう
Bend 2 のデモは「法則」の宣言に 58 行、証明に 442 行。著者は同じプログラムを形式検証の SPARK で作り直し、不変条件を示すだけで GNATprove が 12 項目すべてを検証したと指摘する。
私がフィールズ賞受賞者たちの公開書簡に署名しなかった理由
Gowers は「危機に直面している」ことに同意しつつ、「概念的理解が問題解決より上位」という唯一の正解には与しない。数学者の動機をスペクトラムとして捉え、モデルが人間を全面的に超える未来と、公開が国際的に制限される未来を比較する。
みんな正気を失っている
著者は毎日の 7 割以上を AI 対応に費やし、仕事の楽しみを失ったと書く。規制を求める一方で拡大を続ける AI 企業、脆弱性の発見に資源を投じるセキュリティ業界、「ループに入った人間」のゴム印化を批判する。
Ternary Bonsai 2 27B：体積 9 分の 1、ベンチマーク性能の 98.2% を保持
Qwen3.8 27B をベースに三値重みで 5.9GB（重みあたり 1.76 実効ビット）まで圧縮し、総合ベンチマークの 98.2% を保持。RTX 5090 で 143 トークン/秒、Apache 2.0 で公開。
AI が作るポスターは、みんな同じでなくていい
著者は同じ架空のイベント情報で ChatGPT に何度もスタイルを変えさせ、バウハウスからリソグラフ、パンク・ファンジン、日本風ミニマルまで作らせて、AI ポスターの画一性は能力ではなく指示の問題だと示した。
LLMで書く方法
LLMが記事をベルビータチーズに変えないための2つのルール：提案された言い回しは使わず、初稿への褒め言葉も信じない。
AIにUIを作らせるが、選択問題だけをやらせる
大規模モデルにUIのJSONを直接書かせると、存在しないコンポーネントをでっち上げたり、勝手に文言を作ったり、壊れたとしても結果が返ってくるまで分からない。json-renderは発想を変え、UI構築を2つの有限な選択肢に分解し、モデルは選ぶだけ、コードが組み立てる。
スマホでオフライン動作するローカルモデル6選：パラメータ数、サイズ、それぞれの得意分野
2026年のローカルAIモデル6選：データをデバイス外に出さずに実行でき、プライバシーとオフライン能力を両立。
TypeSafeのAIユースケースマップとリスク評価チェックリスト：10の「判断形態」
TypeSafeはAIの意思決定をコードの制御フローに組み込み、リアルタイム適用の遅延はわずか150ms、ビッグデータ処理コストを100分の1に削減。
JevとDeepSeekは同じ判断問題群を解いたが、違いはどちらがより賢いかではない
10の実シナリオ、確定的な答えを持つ66問、さらに229の検証問題、3つの比較アーム。精度差はわずか数ポイント、時間差は10倍、そして確率の使い方はまったく異なる。
彼らがあなたに描く肖像：AI SREは代替品とされ、コーディングアシスタントはパートナーとされる
AI SREとコーディングアシスタントのマーケティングフレームは分化：前者はSREを置き換えるものとして位置づけられ、後者はエンジニアの増強ツールとして包装されている。
作文を書かないAIは、採点マシンである
Jevは記事を書かず、判断だけを行う。選択問題と正誤問題のセットだと考えてほしい。あなたが出題し、Jevが解答用紙を提出して確信度を示す。この記事では、Jevに何ができるのか、なぜ安いのか、そしてその確率をなぜそのまま正答率として使えないのかを説明する。
Lean で Zstandard 解凍器を書く：LLM が「証明コスト」を引き下げたとき
Adam Langley が Lean で Zstandard の解凍器を書き、型レベルの不変条件を型シグネチャとして書き下し、 証明本体を LLM に埋めさせた記録。
OpenAIが自社LLMでJalapeñoチップを設計：100人未満、9か月でRTLからテープアウト
人工知能は設計時間を大幅に短縮した。それはさらに速くなるだけだ
コーディングエージェントのハーネスを分解して検証：コンテキスト管理の価値の大半は「ウィンドウを溢れさせないこと」
176組のペア実験、4モデル、2ベンチマーク：計画は弱いモデルには精度の足場、強いモデルにはコスト削減ツール。切り詰められたコンテキストを復元可能にすることはほとんど使われていない。事前定義ツールはbashが弱いモデルにのみ明確な利益をもたらし（+15.0%）、bashが強いモデルにはbashをより安く提供するだけ。
数学を知らない人が約40億トークンでConwayの50年前の予想を証明
あなたは明らかに物事を直接証明できる。
HEIC画像1枚からOpenAI社内リポジトリまで：72時間で2つの脆弱性をつなぐ
ヒープオーバーフローとSSO設定ミスによりOpenAIの内部リポジトリが侵害される
Jev はテキストを生成せず、確率だけを出力する。「ひとつの判断」を API にした製品が解こうとしている問題を、実際に試してみた
TypeSafe AI の Jev は、モデルの出力を文字列から確率付きの型付き判断に置き換え、その確率は「キャリブレーション済み」だと主張している。この前提を裏付ける証拠は誰も出していない——そこで我々は、確定した答えのある229件の主張を用意し、通常の LLM の確信度が自動化に使えるのかを測った。