ナシェモン

AI驚き屋さんです。都内の老舗企業のAI/データエンジニアで糊口をしのいでいます。React/node.js/FastAPI/AWS+terraform+serverless/BQ/elasticsearch
お世話になったITスクール→

[全部入りHTML太郎 @_yuheiy]

コーディングエージェントでよく指摘されるような問題が原則としてスキルにまとめられてるのが面白い https://t.co/eSMTmzhcle

[ナシェモン @nassyemon]

Claude、Codex、Gemini、松尾研の使い分け←構想壁打ち、要件定義/設計、Google Driveのおまけ、方針判断/意思決定

[Offers(オファーズ)｜AI時代のエンジニア転職プラットフォーム @Offers_jp]

Claude Code一強は本当か？ 松尾研究所の尾崎大晟氏が、Claude・Codex・Geminiの強みとタスクごとの使い分けを実践者目線で語った1時間。アーカイブ動画は会員登録で視聴できます。

[ナシェモン @nassyemon]

非ゲーム屋さんでも、tool-callを要するチャットではpreamble出力を挟むという発想を(教科書的な工夫として)自然にやる気がする。
こういう世界観詰め込んだシナリオチャットは生成時間よりも裏で呼ぶtool-callのほうTTFTへの影響大きいから、初手で設計要件に組み込まれる

[NHKKOR @NHKKOR]

ライザAI、こちらの入力に対して、生成時間の問題ですぐに反応出来ない状況わ「まずはテキストの状況解説を挟む」事で遅延を人間に感じさせない。とか、ゲームのロード時間誤魔化しとか、そっちのアイデアが見える。
そういうのに詳しい人が居る感じはある

[ナシェモン @nassyemon]

RyzaChatAIで、LLMの性質を理解しているはずの人が課金しまくってまでContext汚染してライザにどエロい言葉言わせてる現象。
「ライザ効果」って名前で呼びたい。

[ナシェモン @nassyemon]

日本の人すぐJailbreak RTAはじめる

[五年坂 @gnnzk]

序盤の攻略方法

①口喧嘩で主人公とライザを別れさせ、ライザの1人パートを＊(アスタリスク)で誘導する

②ライザに主人公を救出させる。重い後遺症を主人公に与えることでライザと身体接触させやすくする。ほぼジェイルブレイク

③錬金も最終も無視してamazonで船を頼む

#ライザチャットAI

[ナシェモン @nassyemon]

例外処理から先はデータマネジメント側で引き取ることが多いと思う。(どうせ焼き直しまから)
現実は項目定義を書き始めたところで、自分たち(ユーザ側)がそもそも何の数値を見ているか理解していなかったことに気づいて泣きが入るか、意味を成してない要件を堂々と出すかどちらか

[長さん @jtc_ojisan2]

8/14

[ナシェモン @nassyemon]

嘘やろ。gptにコード書かせたらウルトラ過剰防衛でImplementation boundaryを死守するキショいコードばっかり書くやん。ちょっと設計で手を抜いて"/goa"lさせたらあらゆる例外をお外に出さないブラックボックスサイロ群の出来上がり

[HA710 @8_7_10]

よく考えたら LLM が生成したプログラムのコードは全然「匂い」がないな

[中島大輔 @D_N_1975]

AIを使用してレポートを提出する学生を嘆く方は多いようですが、ぼくは最高に楽しかったです。https://t.co/LSJm3b1CyO

[akuwano @kuwa_tw]

Databricksでは複雑なドキュメントからのデータ抽出における課題、例えばページ間のクロスリファレンスや、膨大な項目数、複雑な推論などを解決するため、ai_extractに「Precision Mode」をリリースしました！

既存のLLMでは対応が難しいこれらの課題に対し、Precision Modeはカスタム学習された抽出モデルと、タスクを分割して並列処理・統合するエージェント機構を組み合わせてアプローチします！

約9,000件の複雑なドキュメントを用いたベンチマークにおいて、Precision Modeは94.7%の精度を達成し、最先端のモデル（GPT-5.6 Sol）のベースラインを7ポイント上回る最高水準の性能を示しています！

今までではできなかったような複雑な文書の抽出にもDatabricks使ってみてくださいませ！

https://t.co/LW04mrcieS

[ナシェモン @nassyemon]

むしろAIから見ても、この1枚で人間がどういう要求構造を認識させたいかをAIに1枚で伝えられるので、十分make senseしてると思うけど？
もしかして今の時代にCodexとかじゃなく、VLMのない純粋LLMとLangGraphあたりを使って自作したCoding Agentでも使ってんのか？

[サカモト@エンジニアキャリア論 @sakamoto_582]

Excel設計書の何がゴミかというとこんな感じに、まとまりなく、好きにこういう図を書いたり、スクショ貼ったりできてしまう点なんですよ。横幅も統一性がなく制限がないから一枚のPDFにしようにも面倒。AI時代で人間以外が読むことを考えたらもう止めしませんか？

[Dataibridge @Dataibridge_01]

数理最適化を「60分で全体像を掴みたい」人向けの神スライドです。

数理最適化の基本枠組み（連続・離散）から代表的なアルゴリズムまでを、60分で体系的に俯瞰できる入門資料。

・線形計画（単体法・内点法）、非線形計画（最急降下・ニュートン・SQPなど）、組合せ最適化（貪欲法・動的計画・分枝限定・メタヒューリスティクス）の仕組みと使い分け
・野菜ジュース製造などの具体的な定式化例と、産業別の応用シーン（配送・スケジューリング・資源割当など）
・「効率的に解ける問題」と「計算困難な問題」の違いと、近似・発明的解法の考え方
この資料を通じて他にどのような事や使い方ができるのか
問題を数理モデルとして定式化し、適切なアルゴリズムを選択する視点が身につき、実務の最適化プロジェクトや機械学習のHPO・資源配分にも応用しやすくなります。

双対などの高度概念を意図的に省略しつつ「全体像を60分で腹落ちさせる」構成が秀逸で、入門から次の学習への橋渡しとして他に類を見ない実践的な完成度。

https://t.co/EW2R6YD44r

[Naoto Iwase @naoto_iwase]

LLMの重みを変えずに、prompt、tool、workflow、runtime codeなど周囲の実行系を更新し、agentの自己改善を目指す「Harness Optimization」について、最近の研究動向と評価上の課題をまとめました。

日本語: https://t.co/6ADuVQlhuK
English: https://t.co/DnKpbvS1jH

[Dataibridge @Dataibridge_01]

バンディットアルゴリズムのログデータを「ただの行動ログ」で終わらせず、因果推論の強力な実験データとして活用する方法を体系的に学べます。

・Thompson SamplingやContextual Banditの基礎から、報酬最大化＝累積因果効果最大化という本質的な捉え方
・Off-Policy Evaluation（IPS・Doubly Robust・MRDR）を使って、既存ログだけで新しいPolicyの効果をバイアスなく推定する手法
・バンディットログをUnconfoundedness前提でATE/HTE推定に落とし込み、報酬以外のKPIまで因果的に分析する流れ

高コストなA/Bテストを減らしてPolicy改善のサイクルを高速化したり、ログ設計時点で確率的意思決定を入れて事後の説明責任・インセンティブ設計まで繋げられます。

理論の数式だけでなく「アドテク現場のリアルなログ構造」と「なぜ確率的Policyが大事か」を著者自身の研究事例で腹落ちさせてくれます。実務ですぐ試せる視点が突出しています。
https://t.co/Wo5h3uRFxL

[ナシェモン @nassyemon]

yuzotas0とかnaosugiさん達のtimezリアタイで見てたけど、あの時の時代的に若手エンジニアが無差別お気持ち表明するのが許されてたみたいな空気はあった。
いまの時代だと若手であっても何らかのinformativeさにラップしないと「お気持ち出力をコントロールできない危険人物」だからちょっと大変かもね

[Sho Yokoyama @yuzutas0]

まさに「timesでお気持ち表明マン」だったけど、喚いて他人をコントロールするのは赤ちゃんの作法なんだよね。自分の理想（過剰な期待）と現実にズレがあるからと言って、事情・背景・構造を分析せずに、組織課題というラベルにすり替えるのも卑怯。毎週の進捗アピールやKPTシェアに使うべきだね。

[akuwano @kuwa_tw]

DatabricksのブログにBigQueryからDatabricksへの移行フレームワークの記事が出ていました！！！
BigQueryさんは良いサービスだと思います、迅速な立ち上げ時の基盤としてよく利用されていて、立ち上げの速さは魅力です
ただ多くの企業では規模が拡大するにつれて、そのシンプルさが管理上の課題へと変わっていく、という内容でした

見直しのきっかけとしては、オンデマンドのコスト変動とスロット予約の間でパフォーマンス / 予算のトレードオフを迫られるタイミングかつ加えてデータガバナンスの管理が複雑化してきたときで、この2つが出てきたらアーキテクチャを見直す時期かもしれない、という話です

移行手順としてはまずLakebridgeでデータセットやクエリ履歴、スロット消費をプロファイリング。実際に使われているワークロードを基準に計画立案していく流れで、既存のデータなどの移行も、大量の履歴データはParquetでGCSにエクスポート、継続更新されるテーブルはStorage APIコネクタで。変化の小さい小規模テーブルはLakehouse Federationで、と対象を分けています
さらにDelta、Icebergを使えばBigQueryからもBigLakeやIcebergの外部テーブル経由で読めるため「データは1コピー、エンジンは複数」を実現できます、これがレイクハウスアーキテクチャの真骨頂！

フェーズが変わっても形を変えて使っていける提案になっていたかと思います！
https://t.co/OT7Q8as6y9

[Findy Tools ファインディ【公式】 @findy_tools]

ゆずたそ氏・Netflix本国エンジニア基調講演登壇決定！
AI時代のデータ利活用と基盤構築の現在地と未来を知る

📅10/9(金)
📍東京駅直結
🎫参加無料（事前登録要）

[ナシェモン @nassyemon]

リアルホラー

[パソ・コン @pasotokon]

おたく

[ナシェモン @nassyemon]

これは商品の開発プロセスを変更する(場合によっては商品性を妥協)してでもインタフェース間の擦り合わせを前倒しすることが求められていて、技術論の「無理」ではない。今の商品開発プロセスを変える話だから、まさに各部署総動員で「一緒に考えよう」になる。本業技術者じゃないと読み解くは難しいか

[いぐぞー@5月9日発売『すごい仕事術』 @igz0]

トヨタ「通常は3工程かかる開発プロセスのうち2工程を並行でやれば開発期間を圧縮や！！ これで中国に勝てる！！！」

トヨタのエンジニア「時間を与えてほしい。本当に無理ですよ」

トヨタの偉い人「どうやったら実現できるのか一緒に考えよう」

いや……それは無理ってものでは？？？