ありりぎ

概ね、ニュースとプログラム系の話題をリツイートしてるだけ、自発ツイートなんて型月関連とキン肉マンぐらいな気がする・・・

[QDくん⚡️AI関連の無料教材紹介 @developer_quant]

筑波大が無料公開している機械学習の講義(全20回)
https://t.co/UFmKLWXMy7

講義動画見放題
講義ノート/演習問題DL可能

・機械学習概論
・単回帰
・重回帰
・モデルの複雑さと汎化
・特徴選択とL1正則化
・決定的識別モデル
・カーネル法
・確率的識別モデル
・経験損失最小化
・k-means
・主成分分析
・ニューラルネットワーク基礎
・CNN
・RNN
・GAN

[ありりぎ @yonahayo]

提供元: https://t.co/xjAPyMzzHY
https://t.co/9EFJK6Q2GS

[走る人参(気象予報士) @Runninzin]

うぇっ？えっ？？？うぇ？？？ほぅえ？

[りょうま @engineer_ryoma]

これまで優秀なエン���ニアが書いたDesign Docには漏れなくこの内容が書いてあって共感の嵐だった。全エンジニア読むべき。 https://t.co/7NFkdSjLTB

[Shin丨AI×プロダクト開発の専門家🤵🏻 @shin_sasaki19]

AIでコード生成が劇的に速くなった。なのに、ソフトウェア開発全体は思ったほど速くならない。なぜか？

Anthropicが公開した『AI-Native SDLC Playbook』の答えは明快で

「コードは、もうボトルネックではない」

AIエージェントによって実装が数時間まで縮むと、別の問題が発生します。

・企画と要件整理は人間待ち
・レビューとテストも人間待ち
・リリース承認は週次会議待ち
・セキュリティ部門の人数はそのまま
・生成されるコード量だけが急増
レビュー待ちの列は伸びる一方。すべてを人間が目視すれば開発は止まり、急いで流せば品質と統制が壊れます。

実装だけAI化しても、開発全体はAIネイティブにならないというわけです。

■ SDLCを「工程」から『成果物のループ』へ
Anthropicが提案するのは、企画、設計、実装、テスト、デプロイ、保守の6工程すべてにAIを組み込むこと。

ただし、人間を外す話ではありません。人間の判断を、作業のたびではなく重要なゲートへ集中させる設計です。

・企画
アイデアの発案者がClaudeと��話し、何を、なぜ、誰のために、どの制約下で作るのかを「intent.md」に記録。プロダクトオーナーが誤解を修正して承認
・設計
承認済みの「intent.md」から「spec.md」を生成。ブランド、セキュリティ、法務、UXのルールはスキルとして適用し、矛盾や懸念だけを人間へ提示
・実装
いきなりコードを書かせず、まずPlan Modeで変更ファイル、作業順序、リスク、検証方法を「plan.md」に記録。エンジニアが承認してから実装へ移行
・テスト
AI自身がテスト、ビルド、画面キャプチャーを確認し、合格するまで修正。バグ修正では先に失敗するテストを固定し、AIが都合よくテストを書き換えることもフックで防止
・デプロイ
AIがPRを複数の観点でレビューし、指摘の重要度も分類。人間は全行を読み直すのではなく、「意図どおりか」「許容できるリスクか�����集中
・保守
本番環境の異常を決定論的な監視で検知し、AIが原因を診断。必要なら新しい「intent.md」を作り、企画へ戻して次の改善を開始

承認済みの「intent.md」が設計を動かし、「spec.md」が計画を動かし、マージされたPRがデプロイを動かし、本番の異常が次の「intent.md」を生む循環。
開発が、直線からループへ変わります。

■ 組織の暗黙知を「AIが実行できる形」に変える
個人的には、ここが最も重要でした。

AIに毎回うまく指示するのではなく、組織の知識そのものを実行可能にする設計です。

・「CLAUDE.md」
アーキテクチャ、コマンド、規約、AIが繰り返す失敗を記録。新入社員が初日に必要な知識へ圧縮
・スキル
セキュリティ基準やAPI設計など、全案件で一貫して適用したい組織ルールをコードと同じように版管理
・フック
保護���象の編集、認証情報の混入、本番デプロイなどを機械的に許可、確認、拒否。スキルが「助言」なら、フックは『強制』
・継続的な評価
実務から20〜50件のタスクを集め、AIの設定変更を回帰テスト。モデル、プロンプト、スキルが変わっても品質を保てるかをCIで検証
つまり、AIが書くコードだけをテストするのではありません。

AIを動かす「CLAUDE.md」「スキル」「フック」まで、本番ソフトウェアとしてテストする発想です。さらに本番事故は評価項目へ追加し、同じ失敗を繰り返さない仕組みへ変換。

■ 人間の仕事は「作業」から『判断と統制』へ
一人のエンジニアが複数のAIセッションを別々のworktreeで並行稼働させ、定型的な検証はサブエージェントへ委任。エンジニアの仕事は、コードを書くことから複数の仕事を操縦し、成果物を評価することへ移ります。

ただ、AIの自律性を上げる���ど、ガバナンスを弱めてよいわけではありません。

むしろ逆です。何をAIに許可し、どこで止め、誰が承認し、何を証跡として残すのか。これらを会議や���人的な注意力ではなく、版管理された成果物、権限、サンドボックス、フック、テストとして埋め込む必要があります。

AIネイティブ開発の本質は、「AIにたくさんコードを書かせること」ではありません。

人間が担っていた引き継ぎ、確認、統制、学習まで機械可読にし、人間の判断を本当に必要な場所へ集約すること。
コードがボトルネックではなくなった次に問われるのは、組織が『意図を明確にする速度』『品質を検証する速度』『安全に承認する速度』です。

AIツールを配るだけで、会議、チケット、レビュー待ちが以前のままなら、開発速度も以前のまま。速くすべき対象は、コーディングだけではなかったお話。
https://t.co/wUzUwAQUaN

[QDくん⚡️AI関連の無料教材紹介 @developer_quant]

Python入門書のポイントをまとめた長編スライド（378ページ）を著者が無料公開している。基本的なことは網羅されており、図解が豊富でわかりやすい。

1日で基本が��につく! Python超入門
https://t.co/5KInHqjs1a

[Yuta Imamura / Geekplus CTO @yuimam32]

これいいなぁ。ここから、ヒューマンリーダブルな ADR にする仕組みを作りたい
https://t.co/17Sqput6Ww

[pospome@カミナシのVPoE @pospome]

"優秀なエンジニアが書くDesign Docは何が違うのか?" https://t.co/658MNAQIEC

[serima | LayerX @serima]

japanese-tech-writing skill を作った方の記事。
言語化をやればやるほどわからなくなっているという話。おもしろいなあ

編集者は日本語をどうやって推敲しているか（それを機械化できるのか） - golden-luckyの日記 https://t.co/heEJAKbZIc

[技術評論社 販売促進部 @gihyo_hansoku]

「ローカルLLM」はどこまで現実的？
導入の勘所、使い分けのアイデアまで
できること・まだ難しいことを総整「ローカルLLM」はどこまで現実的？
導入の勘所、使い分けのアイデアまで
できること・まだ難しいことを総整「ローカルLLM」はどこまで現実的？
導入の勘所、使い分けのアイデアまで
できること・まだ難しいことを総整「ローカルLLM」はどこまで現実的？
導入の勘所、使い分けのアイデアまで
できること・まだ難しいことを総整「ローカルLLM」はどこまで現実的？
導入の勘所、使い分けのアイデアまで
できること・まだ難しいことを総整「ローカルLLM」はどこまで現実的？
導入の勘所、使い分けのアイデアまで
できること・まだ難しいことを総整理

[shika @nlwxp5]

良い資料だ
https://t.co/CV5onzVleR

[Gabriel Santos | IA @DehumanoaDeus]

🚨 ÚLTIMAS NOTÍCIAS! O engenheiro que criou o Claude Code do zero acabou de publicar um vídeo de 28 minutos que é ouro puro :

como escrever prompts que realmente entregam resultados absurdamente bons.

Já vi cursos de US$ 300 que nem chegam perto do que ele explica nos primeiros 10 minutos.

Arquivos CLAUDE. md, atalhos de memória, sessões paralelas e padrões de prompting que quase ninguém usa…

Tudo em um único vídeo. Totalmente gratuito. Sem enrolação.

Não importa se você é desenvolvedor, está começando agora ou já usa o Claude há meses : isso muda o jogo para você a partir de hoje.

Salve. Assista. Compartilhe.

[QDくん⚡️AI関連の無料教材紹介 @developer_quant]

無料で読めるデータサイエンスの良質テキスト
100冊以上のリンクをまとめた神ページ
https://t.co/D2RCtA8yoZ

[iwashi / Yoshimasa Iwase @iwashi86]

ローカル環境のLLMが想定より、なぜあんまり賢くないのか、を語ったポストからメモ。

・同じモデルの重みデータを使っても、ハードやソフトの環境によってLLMの出力は変わる
・例えば、推論時のAttentionバックエンド（FlashAttentionなど）の違いだけでも出力トークンが変わる
・コンテキスト長が長くなるにつれ、このバックエンド間での出力の不一致が顕著になる

・この小さな計算のズレが蓄積すると、AIによるツール呼び出しなどで致命的なエラーを引き起こす
・実際に、特定のバックエンドではCiscoルーターのインターフェース名を間違えて出力するケースが確認された
・KVキャッシュを4bitに量子化するテストでも、処理が破綻して正しいツール呼び出しができなくなる

・量子化手法（FP8やINT8など）の違いによっても、ツール呼び出しの成功率に明確な差が出る

・また、安全制限を解除したuncensoredな派生モデルの挙動も検証した
・一部の派生モデルは、元のモデルが強く確信している正しい出力を無理やり上書きし、結果としてエラーを引き起こしていた

・結局のところ、LLMの性能はモデル自体の賢さだけでなく、推論環境の精度と実装にも依存する

https://t.co/QrAZtIfHZM

[Hanako @hanakoxbt]

Agents vs. Graphs, clearly explained!

spawning more agents is great, but it has a ceiling nobody says out loud:

five agents is a count. a graph is a shape. only one of them changes the answer.

point five agents at the same pile with the same window and they converge.

the first one writes a finding, the rest read it, and all five reports centre on the same thing. you paid five times for one opinion with four echoes.

Graph engineering fixes this by moving the decision up a layer: not how many agents, but who is allowed to look at what.

you need both. here's how it works:

↳ the count buys you throughput. five things happening instead of one
↳ the shape buys you coverage. five different things happening instead of the same one five times

Prompts → Context → Harness → Agents → Graphs

the node that does this is the splitter, and it decides more than any other node in the system.

cut a repository by folder and four workers audit the same three files. cut it by blast radius and each one sees something the others cannot.

the trick is being selective about what each lane is allowed to see.

separate contexts are not a nice-to-have, they are the mechanism.

if two agents are meant to produce different things, they must not share a window. if they are meant to produce the same thing, you did not need two agents.

one thing to know before you scale it.

a branch that throws does not reject the batch. it resolves to null, and that is the containment. which means your merge quietly receives a short list.

↳ filter the nulls before the merge, or one dead lane poisons the whole result
↳ never index a merge by position. eight good branches and one failure will shift everything by one, silently

skip that and the run looks like it worked. the output is just missing a lane, and nothing errored.

and the one that eats whole nights: multi-agent setups can use up to fifteen times the total tokens of a single chat, because every lane reloads its own core.

you are trading total tokens for a clean main window. usually the right trade, always a choice.

below i have quoted my full guide on graph engineering. it covers the three topologies, the verifier patterns, and where the gate should actually open.

save this and read it below ↓

[がっちゃんです @Gatchan_desu]

想像していたのと違っていた件

[Daisuke Okanohara / 岡野原 大輔 @hillbig]

LLMを使って、数時間から数日、あるいはそれ以上にわたって自律的に仕事を遂行するLong-Horizon Agentの研究が急速に進んでいる。

ここでは、2025年から2026年にかけて登場した代表的な研究の流れを通じて、Long-Horizon Agentに必要な設計原理を整理し、今後の課題や示唆について考察してみたい。

従来のLLMでは、知能の中心はモデル自身の能力ににあると考えられてきた。より強いモデルを作り、より長いCoTを生成させることで、より難���い問題を解くという考え方である。

しかし作業が長期化すると、別の問題が支配的になってくる。

例えば、過去に何を試したのか、間違った仮説を検証した結果がどうだったのか、本来の目的は何だったのか、現在の中間目標は何なのか、といった膨大な履歴や状態を管理する必要がある。単純に一つのLLMのコンテキストへ履歴を蓄積し、それを利用ていくだけでは、こうした情報を維持することが難しくなる。

そのため最近の研究では、

・モデル
・計画/実行/評価/検証エージェント
・ツール
・環境フィードバック

などを含めたシステム全体を設計する方向へと移りつつある。

ここでは、代表的な研究を通じて、この考え方がどのように発展してきたかを見ていきたい。

■ Darwin Gödel Machine（DGM）2025

DGMは、従来人間が設計していたツール、プロンプト、メモリ管理、ワークフローなどを、AI自身に改良させるという考え方である。

DarwinとGödelという二つの名前が入っていることが、その仕組みを象徴している。

まずエージェントに「自分自身をより良いエージェントへ改造せよ」と指示し、���分のプログラムを変更して性能を改善する。ここがGödel Machine的な部分である。

さらに、常に最���性能のエージェントだけを残すのではなく、過去に生成したさまざまなエージェントをアーカイブし、それぞれから枝分かれする形で探索を続ける。一時的に性能が低下する変更であっても、後に大きな改善につながる可能性があるためである。ここにDarwin的、進化的な考え方が導入されている。

■ PARC 2025

長期タスクでは、単純な実行能力だけではなく、自分が間違った方向へ進んでいることを検出する能力が重要になる。

PARCでは、Plannerがタスク全体を分解し、Workerが個々の仕事を実行し、その結果を独立したコンテキストを持つエージェントが検証する。その結果をPlannerへ戻し、必要に応じて再計画する。

ここで、エージェント間であえてコンテキストを完全には共有しないという考えが登場してくる。

同じ推論履歴を共有すると、実行��が持っていた誤った前提や思い込みを評価側も引き継いでしまう。独立したコンテキストから評価することで、より客観的な検証を可能にする。

さらに高いコストをかけて検証したもののみを次にわたすという考えも登場する。

■ Argus 2026

ArgusはPARC��考え方を踏襲し、さらに押し進めている。
長期エージェントでは、誤った情報を一度persistent stateへ書き込んでしまうと、それを前提として後続のエージェントが行動し続け、誤りが増幅する危険がある。

候補となる結果
→ Verification
→ Review
→ Commit

という手続きを取り、検証された情報だけを永続化する。

一方、検証に失敗すればrejectし、必要であれば以前のstageまでrollbackする。

また、成功した知識だけではなく、「この方法は試したが失敗した」というrejected routeも保存することで、同じ失敗を繰り返すことを防ぐ。

このような永続状態へのcommitやrollbackをruntime primitiveとして体系化している。

■ File-as-Bus / AiScientist 2026

Long-Horizon Agentでは、メモリ管理も大きな問題になる。

コンテキストを長くする研究は進んでいるが、履歴が増��続ければ計算量も増え、必要な情報を見つけにくくなる。

一方、古い履歴を要約する方法では情報損失が生じる。

File-as-Busでは、エージェント同士が会話の要約を��け渡すのではなく、コード、実験結果、設定、分析、仮説などをファイルシステム上のpersistent stateとして残す。

次のエージェントは過去の会話をすべて読む必要はなく、必要になれば元のartifactまで戻って参照することができる。

このような設計思想を「thin control over thick state」と表現している。

制御側は必要最低限の情報だけを持ち、詳細な情報は外部状態としてそのまま保存するという考えである。

■ InfiAgent 2026

InfiAgentは、この「長い履歴をLLM自身に持たせない」という考えをさらに原理的に押し進めている。

毎回LLMへ渡す情報を、

現在の状態＋直近の固定数ステップ

に限定し、それより古い情報はすべて外部状態へ移す。

これによって、タスクがどれほど長くなっても、LLMが一回に読むコンテキスト量をほぼ一定に保つことが���きる。

これは固定長コンテキストを持つLLMにも似ているが、単なる要約だけを保持するわけではない。

元の完全な情報は外部に保存されており、現在のstateには必要な情報や、それらへの参照を持たせる。必要になれば元の情報まで遡ることができる。

つまり、過去に何が起きたかというhistoryを保持するのではなく、現在どうなっているかというstateのみを保持するという転換である。そして、過去に何かおきたかも外部で参照できるようにする。

ここまでの研究は、主としてエージェント自身の目標、中間状態、記憶、ワークフローをどのように管理するかに焦点を当てていた。

次の研究群では、さらに外の世界についてどのように理解を深め、その理解を利用して行動するかが問題になる。

■ Tycho 2026

Tychoは、ARC-AGI-3のように、ルールもゴールも説明されない未知のゲーム環境を対象にしている。

エージェントは環境との相互作用から、状態、遷移、観測、終了条件などを表現する実行可能なprogrammatic world modelを構築する。

そして過去の観測に対して、そのプログラムが予測する次状態と、実際に観測された次状態が一致する���を検証し、一致しなければ世界モデルを修正する

一方、この研究から分かった興味深い点は、必ずしも正確で詳細な世界モデルを作ればよいわけではないことであり、現在の行動を決めるために必要なレベルまで世界を抽象化してモデル化する��とである。

Tychoではこの考え方をActive Abstractionと呼んでいる。

■ AVO 2026

AVOは、これらの考えを備えたLong-Horizon Agentであり、もともとGPUカーネル最適化に使われ、数日間にわたる探索によって高性能なカーネルを発見していた。
そして、その基本的なagent architectureをARC-AGI-3へ持っていっても、public setをほぼ完全に解けたことを示している。

GPUカーネル最適化と未知ゲームでは、問題の表面的な性質は大きく異なるにもかかわらず、同じ仕組みが使えたことになり、エージェントの問題解決・遂行能力が特定のタスクだけに閉じず、ある程度異なる領域にも転用可能であることを示唆している。

■ これらの研究から見える方向性

これらの研究をまとめると、Long-Horizon Agentの今後についていくつかの方向性が見えてくる。

第一に、一つのLLM、��つのエージェントがすべての履歴を抱えながら改善していく方式には限界があり、記憶は外部化されていく方向に進んでいる。

ただし、外部化する場合には誤った情報を永続化状態へ書き込んでしまうと、後続のエージェントがそれを前提として行動するため、致命的な影響を与える可能性がある。

そのため、ある程度コストをかけて検証され、信頼できると判断された情報だけを永続的な知識として残す必要がある。

この構造は人間社会にもかなり似ている。

現在はファイルシステムやGitといった既存の仕組みが外部記憶として利用されているが、将来的には、現在のジャーナル論文やデータベースのように、検証され、一定の信頼を得た知見が体系的に蓄積されていく、AI向けの知識基盤が作られていく可能性がある。

第二に、エージェント同士があえて情報を共有しないことも重要になる点である。

独立した試行や独立した検証を行いたい場合、すべてのエージェントが同じコンテキストや仮説を共有すると、誤りやバイアスまで共有してしまう。多様なエージェントが独立して考え、その結果だけを統合するような仕組みが重要になるだろう。

第三に、外界を観測して得られた知見を構造化する部分である。

Tychoではこれをworld modelとして扱っているが、さらに広く考えれば、特定分野について蓄積されたdomain knowledgeも同様に外部化・構造化されていくと考えられる。

■ LLM自体の役割も変わる可能性がある

この方向性は、LLMそのものの開発にも大きな示唆を与える。現在のLLMには、知識を大量に持つことと、推論し、問題を解くことの両方が求められている。

しかし外部���識基盤が発達すれば、モデル自身がすべての知識をパラメータの中に保持する必要性は低下していくと考えられる。

その場合、LLMにより強く求められるのは、外部情報を適切に検索する能力、信頼できる情報を選ぶ能力、新しい知識を構造化して外部へ保存する能力、得られた情報から推論する能力となる。

これは現在のLLMの学習フレームワークにも、かなり大きな修正を迫る可能性がある。

■ 複数エージェントを含むシステム全体をどう学習するか

二つ目の大きな未解決問題は、複数エージェントや外部環境を含むシステム全体を、どのように学習・改善するかである。

外部エージェントや環境まで含めて、強化学習や進化計算によってシステムを改善することは考えられる。

しかし現在の誤差逆伝播法が実現しているような、密なフィ���ドバックや正確なcredit assignment、つまりどの部分を改善すれば最終性能が上がるのかを特定することは難しくなる。

そのため、途中状態や行動を検証したり、評価する評価器が重要となる。

強化学習でいえば価値関数やCriticに近い役割だが、Long-Horizon Agentでは単に将来報酬を予測するだけでなく、現在のエージェントの行動や戦略のどこを変えるべきか、まで指導できる仕組みが必要になると考えられる。

この���んまでいくと人間におけるコーチや教師とかなり近くなってくる。

■ Multi-Agent Scaling

三つ目は、以前から想定されてきたMulti-Agent Scalingである。

エージェントの数や多様性を増やしたときに、性能や解けるタスクの範囲がどのように拡大するのかは、今後重要な研究テーマになる。

単純に同じエージェントを100体並べるだけではなく、多様性が重要になる可能性が高い。

その場合、それぞれのエージェントが、異なる仮説、探索方針、評価基準、価値観や行動原理を持つことが有効であり、それらをどのように競争させ、協調させ、最終的な知識へ統合するかという問題が生じる。

■ AIのための新しい外部記憶

最後に、外部記憶そのものも今後大きく進化する必要がある。

現在はファイルシステムやGitなど、人間社会のために作られ、長年洗練されてきた仕組みをそのまま利用している。しかし、人間とAIでは情報処理能力や検索能力、並列性が大きく異なる。

将来的には、大量の原情報を保持しながら必要部分だけを高速に参照できる、情報の信頼度や検証状態を管理できる、仮説や反証の系譜を追跡できるといった、AI向けの新しい永続化記憶装置が必要となるだろう。

私が考える限りGitやWikipediaがかなり近いが、例えばロボットが外部環境をまわって地図情報を更新していくとしよう。この場合、信頼度や異なる情報とのマッピングなどが重要となるがこれらを保存しようとすると異なる仕組みが必要になりそうである。

これらのようにLong Horizon エージェントでは、モデルの外側に、記憶、検証、計画、実行、世界モデル、複数エージェントを含む新しい計算システムを構築し、そのシステム全体を改善してく活動となり、新たな開発が必要となってくる。

[QDくん⚡️AI関連の無料教材紹介 @developer_quant]

東大が無料公開している
「数理・データサイエンス・AI教材」
https://t.co/Fwyn4QmC7H

モデルカリキュラムに完全準拠。しっかりした作りの初心者向けスライドが大量にアップ���れている。

・データリテラシー
・数学基礎
・アルゴリズム基礎
・時系列解析
・機械学習
・深層学習
・テキスト解析
・画像解析
など盛りだくさんの内容。

[かずなり | 生成AI活用術 @MacopeninSUTABA]

NTT社が公開した『LLM入門』が非常日勉強になる。

Transformerの仕組みから、RAGによる知識補完、そして自律的に動く「AIエージェント」の概念までを徹底解説しているので大人の学び直しになる。

こちら👉
https://t.co/nWHEyBTa04

[takeondo @takeondo_k]

すばらしい記事��

考えるためにAIを使う人と考えなくて済むようにAIを使う人の話。

ありがとうございました札幌。 https://t.co/iLBMmJzCHu