今週のAIまとめ 9/21〜9/27:Opus 5.5公開
9月21日〜27日の生成AIの動き。Claude Opus 5.5の公開と上限・既定モデル・クラウドのクレジット、GPT-6 Sol / Luna、OpenAIの訓練の一時停止、Copilotの作り直しまで出典つきで振り返ります。
AI9月21日〜27日の生成AIの動き。Claude Opus 5.5の公開と上限・既定モデル・クラウドのクレジット、GPT-6 Sol / Luna、OpenAIの訓練の一時停止、Copilotの作り直しまで出典つきで振り返ります。
AI言い換えただけの質問に毎回LLMを呼ぶのは無駄です。埋め込みと類似度で「同じ意図」を判定するセマンティックキャッシュの仕組み、閾値の決め方、プロンプトキャッシュとの違い、外したときの事故を整理しました。
AIベンチマーク汚染とは、テスト問題が学習データに紛れ込んでAIのスコアが実力より高く出る現象です。GSM1kの検証結果と、汚染に強い評価の作り方、スコアの読み方を整理しました。
AI合成データはモデルに書かせた学習データで、足りない量ではなく足りない種類を埋める道具。NVIDIAの公開データセットの内訳と、Nature論文が警告するモデル崩壊・評価データの汚染までを整理しました。
AIAIエージェントの精度を左右するコンテキストエンジニアリングを整理しました。プロンプトとの違い、注意の予算という考え方、長い作業を支える要約・外部メモ・サブエージェントの三手を一次情報からまとめています。
AI答える前に長く考えてから返す「推論モデル」を、OpenAI o1とDeepSeek-R1の一次資料から整理しました。考える時間で性能を買う発想、向く問題とコスト、思考の文章を鵜呑みにできない理由まで。
AIリワードハッキングは、AIが採点の文面だけを満たして設計者の意図を外す現象です。ボートレースの古典例から、テストをすり抜ける推論モデル、見抜き方と防ぎ方までを一次情報で整理しました。
AISWE-benchはGitHubの実際のissueをAIに解かせ、テストで解決率を測るベンチマークです。判定の仕組み、VerifiedとLiteの違い、数字を読むときの3つの注意を整理します。
AI9月14日〜20日の生成AIの動き。Claude Codeの週次上限プロモが終わり新条件へ、Coworkとチャットの統合とClaude Docs・Slides、AGENTS.md対応、減速論の反トラスト訴訟まで出典つきでまとめます。
AI簡単な質問は軽いモデルへ、難しい質問は高性能なモデルへ。LLMルーティングの考え方と、先に分類する方式・カスケード方式の違い、導入時のつまずきどころをまとめました。