795ドルの天井型ロボットがコインを拾い、本を逃す理由
床に落ちた硬貨は次々と拾い集めるのに、正方形の形をした本は持ち上げられないロボットがあります。米国の企業Neufangled Roboticsが販売する天井設置型ロボット「Stringman」の物語です。価格は組立キット版で795ドル（約100万ウォン）です。開発者は…
カテゴリー
Claude Code agent_summary: ステータスバーが30秒ごとに全体のコンテキストを再送信するコスト構造と、現在利用可能なブロック手段
Claude Codeでバックグラウンドエージェントを使用している場合、エージェントパネル横に表示される「ファイルを編集しています…」といったステータスバーのテキストのために、バックグラウンドでは相当数のトークンが消費される可能性があります。2026年8月にリリースされたバージョン2.1.232以降では、インタラクティブなバックグラウンドエージェントに…
ローカルLLMベンチマーク：平均成功率と再現成功率の違い
平均成功率が同程度であっても、同一の課題を繰り返した際の結果は異なる場合があります。「過去に一度でも解いたことのある課題数が多い」ことと、「同じ課題を5回連続で通った」ことは、まったく別の話です。ツールを使用するLLMのベンチマークを読む際にこの違いを見逃すと、表内の数値を確認しても、成功と失敗がどのように分布しているのかを理解することができません。
トークン効率を2倍にする「DeepSeek MCP」連携術：長い作業はAIへ、重要な判断は自身へ
AIベースの開発ワークフローにおけるコストと効率のバランスはどのあたりにあるのでしょうか。近年、大規模言語モデル（LLM）を補助ツールとして活用するワークフローにおいて、トークンの無駄を削減しつつ性能を維持する手法が注目を集めています。その中心には、MCP（Model Context…
重みのコーディング：GPT-6 Astraの「重み空間プログラミング」が切り拓く新しい最適化パラダイム
AIがモデルをさらに訓練する代わりに、モデルの脳細胞である重みを直接読み取り修正する時代が到来しています。OpenAIのフロンティアモデルGPT-6 Astraは、従来のLLM最適化がプロンプトやハイパーパラメータに依存していた限界を超え、微分可能なニューラルネットワーク自体の重みを自然言語の仕様に合わせて直接修正する「重み空間…
240달러로 학습한 1.35B 한국어 모델: VRAM 함정과 평가 지표의 배신
個人GPUのみで韓国語中心の1.35Bパラメータモデルをゼロから学習する実験が公開されました。scarlet-alpha-1.3b-previewプロジェクトは、総額240ドルの費用で約22Bトークン規模の事前学習を完了し、技術的な参入障壁を低く抑えましたが、同時に小型モデルが直面するハードウェアとデータの限界を明確に示しました…
AIが自ら実験室へ向かう：アステロモフによる自律型生物学研究ラボの構築とその意義
人工知能（AI）は単なるデータ分析補助ツールから脱皮し、新たな科学的仮説を提案し、実験プロトコルまで自ら設計する段階に突入しつつある。国内のAIスタートアップ企業アステロモフは、科学的超知能モデル「スペイサー（Spacer）」の初期研究成果を通じて、AIが提示した生物学上の仮説と具体的な実験計画を公開した。2025年8月…
「オルトマンの「ローカル推論はムダだ」という発言と、マスクの反論：ハードウェア市場の実際の反応」
OpenAIのサム・アルトマンCEOは、2026年10月29日、ポッドキャスト「チーキー・パイント（Cheeky Pint）」に出演し、パーソナルPCでのローカル推論（Local Inference）について「ひどいリソース配分だ」と断言しました。供給が制限されているDRAMを個人が相当量保有しており、実際の稼働率はわずか5%にすぎないため、世界規模で…
KAIST、AI学習の効率向上とデータドリフトへの対応技術を公開
KAIST 연구진이 최근 공개한 새로운 학습 기술은 복잡한 연산 과정을 최적화하여 자원을 효율적으로 사용함으로써, AI 기초 학습 과정의 시간적 부담을 줄이는 데 초점을 맞추고 있습니다 17. KAIST의 이번 연구는 AI 모델의 학습 효율성을 높이는 두 가지 주요 방향을 제시합니다. 하나는 훈련 시간 자체를…
100秒から26秒へ、家庭用PCでLLMエージェントを20倍高速化した2つの技術
家庭用PCで動作するLLMエージェントが最初の単語を出力するまでに100秒待たなければならないとすれば、その対話は実用性を確保するのが難しいでしょう。しかし、データセンターやクラウドを必要とせず、一般的なゲーミングGPUと標準的なメモリのみでこの待ち時間を26秒まで短縮し、エージェントセッションの体感速度を20倍向上させた事例が2026年11月2日に報…
JEPAで証明するプラトンの表現仮説：規模ではなく「良いビュー」を選んだAIの新たな座標
JEPA研究の良好なビュー条件、42倍のサンプル効率の比較範囲、キャプショニングとペアなしアライメントの違いについて、原論文と公開コードから解説します。
2026년 OTT 개인화 추천: 시청 기록을 넘어 ‘경험’을 설계하는 AI의 진화
2026년 온라인 동영상 서비스(OTT) 시장에서 콘텐츠 탐색의 패러다임이 변화하고 있습니다. 사용자의 시청 기록과 행동 패턴을 분석해 맞춤형 콘텐츠를 제시하는 기술을 넘어, 플랫폼의 인터페이스와 콘텐츠 소비 경험 자체를 개인별로 재설계하는 흐름이 강화되고 있습니다. 본 글에서는 2026년 OTT 시장의 데이터와…