Tag timeline
同じキーワードで束ねられた更新の続きです。カテゴリをまたいだ関連ニュースや実装トピックの追跡に使えます。
AI要約 はじめに 個人で UE 向けの AI エージェント統合プラットフォームプラグイン を、ここ最近開発しています。 Claude Code や Codex などの AI エージェントが、UE の Editor と Runtime を「操作・観測
og fallback AI要約 新調したRadeon RX 9600 XT 16GBとQwen2.5-coderを組み合わせ、ローカル環境でのコード補完を試みた実践レポート。AMD Ryzen 5 4500・RAM 32GBという一般的なミドルレンジ構成でも、コード補完レベルのLLM推論が十分に動作することを確認している。
EN A hands-on report of running local LLM code completion using a newly acquired Radeon RX 9600 XT 16GB paired with Qwen2.5-coder on a mid-range AMD Ryzen 5 4500 system with 32GB RAM, confirming that consumer-grade hardware can handle inference for coding tasks.
og fallback AI要約 2026年5月26日に公開されたEAGLE 3.1は、スペキュラティブデコーディングの精度低下原因「attention drift」を解消し、vLLM公式ベンチマークでKimi K2.6のスループットを対EAGLE-3比2.03倍に向上させた。
EN EAGLE 3.1, released May 26 2026, addresses 'attention drift' in speculative decoding and achieves up to 2.03× throughput improvement over EAGLE-3 on Kimi K2.6, according to vLLM's official benchmarks.
AI要約 はじめに Anthropic が Claude Opus 4.8 を発表しました。HackerNews では 1,600 以上のいいねを獲得し、開発者コミュニティから大きな注目を集めています。 Claude シリーズの最上位グレードである「
og fallback AI要約 Anthropicが2026年5月28日にリリースしたClaude Opus 4.8を、Opus 4.6・4.7およびSonnet 4.6と多角的に比較・解説した記事。
EN A detailed breakdown of Claude Opus 4.8, released by Anthropic on May 28 2026, comparing it against previous Opus versions and Sonnet 4.6 across key capabilities.
og fallback AI要約 AnthropicがOpus 4.7から約6週間でOpus 4.8をリリース。新機能と前バージョンとの違いをQiita記事でまとめた内容を紹介する。
EN Anthropic released Claude Opus 4.8 just six weeks after Opus 4.7. This Qiita post summarizes the new features and key differences from the previous version.
og fallback AI要約 ファインチューニング実験により、LLMは虚偽と明示されても誤情報を真実として自信を持って出力するバイアスがあることが判明した。
EN Fine-tuning tests show "bias... toward confidently representing the claims as true."
og fallback AI要約 AppleがGoogleのGeminiモデルを蒸留・圧縮しiPhone上で動作させる取り組みを進めており、新しいSiriの基盤として活用を検討している。クラウド併用も見込まれる。
EN As Apple tries to shrink Gemini for the iPhone, a cloud component is probably inevitable.
og fallback AI要約 2026 年 5 月 28 日、Anthropic が Claude Opus 4.8（モデル ID: claude-opus-4-8）を発表しました。前モデル Opus 4.7 のわずか 41 日後というハイペースなアップデートです。 同
og fallback AI要約 Qwenのアーキテクチャを論文から読み解く 概要 Qwenは、Alibaba Cloud（阿里云）が開発するオープンウェイトLLMシリーズである。Qwen-1（2023年9月）からQwen-3（2025年4月）まで急速に進化し、Llama
AI要約 OpenHands SaaS版 cloud-1.36.0 がリリース。プロファイル更新時に旧来の設定からデフォルト LLM プロファイルを自動的に引き継ぐ機能が追加された。
EN feat(saas): seed Default LLM profile from legacy config on profiles u…
media fallback AI要約 背景 最近、ほぼ毎日GitHub Copilotを使用している中で、GPTやClaude Sonnetのようなモデルがかなりあると思います。ただ自分自身それぞれのモデルがどの用途で使用するといいのかという判断が付いていないため、この機会に調
AI要約 自律的なAIシステムへの倫理統合を目的に、テキストから人間の価値観を抽出・分析するカスタマイズ可能なLLMアーキテクチャを提案した研究論文。
EN arXiv:2605.27373v1 Announce Type: new Abstract: As intelligent systems become more autonomous, the scientific community focuses on creating decision-making mechanisms that include ethical and moral co
og fallback AI要約 タジク語に特化した会話型LLMファミリー「Soro」を発表。計算資源が限られた環境での実用展開を想定した軽量設計。
EN arXiv:2605.27379v1 Announce Type: new Abstract: We present Soro, a family of Tajik-specialized conversational large language models (LLMs) designed for real-world deployment under tight compute and co
og fallback AI要約 LLMが因果発見タスクで信頼性に欠ける理由を分析し、介入ベースのエージェントアプローチで課題を克服する方法を提案した論文。
EN arXiv:2605.27567v1 Announce Type: new Abstract: Causal discovery is a cornerstone of scientific reasoning, yet whether large language models can perform it reliably remains an open question. Recent be
og fallback AI要約 複数シーケンスを並列生成するLLMのテスト時スケーリングに向け、専用の位置エンコーディング手法LaneRoPEを提案した研究論文。
EN arXiv:2605.27570v1 Announce Type: new Abstract: Parallel LLM test-time scaling techniques (e.g., best-of-$N$) require drawing $N>1$ sequences conditioned on the same input prompt. These methods boost
og fallback AI要約 長期的なエージェント型コーディング向けに設計されたMixture-of-Experts基盤モデル、Laguna M.1（2258億パラメータ）とXS.2を発表。
EN arXiv:2605.27605v1 Announce Type: new Abstract: We present Laguna M.1 and Laguna XS.2, two Mixture-of-Experts foundation models built for long-horizon, agentic coding: M.1 has $225.8$B total parameter
og fallback AI要約 LLMエージェントの本番運用向けランタイム評価フレームワーク「RAMP」を提案。既存ベンチマークの限界を指摘し、実環境での継続的アセスメントを可能にする。
EN arXiv:2605.27492v1 Announce Type: new Abstract: LLM agents are rapidly evolving from coding assistants into autonomous software engineering systems. However, existing evaluation methodologies remain l
AI要約 LLMを用いたWebアクセシビリティ問題の自動検出・修正を実証評価し、精度とコストのトレードオフを分析した研究論文。
EN arXiv:2605.27716v1 Announce Type: new Abstract: Ensuring web accessibility at scale remains challenging because rule-based tools provide limited coverage while manual remediation is costly and error-p
AI要約 LLMとModel Context Protocol（MCP）の普及を背景に、APIとのインタラクションを効率化する差分再生成手法DeltaMCPを提案した研究論文。
EN arXiv:2605.28148v1 Announce Type: new Abstract: The rapid development of LLMs coupled with the introduction of Model Context Protocol (MCP) has revolutionized how intelligent agents interact with APIs
AI要約 コード生成だけでなく実際にプレイ可能なゲームを作るため、GUIエージェントを活用した継続的ゲーム生成手法を提案する研究。
EN arXiv:2605.28258v1 Announce Type: new Abstract: Generating a game is not the same as making one that can be played. Despite advances in code generation, existing approaches treat game generation as on
AI要約 GoogleがエッジデバイスでLLMを効率実行するランタイム「LiteRT-LM」を公開。Pixel Watch 4のSmart ReplyやChromeの要約などがサーバ不要で動作する。
EN Google's LiteRT-LM runtime enables on-device LLM inference on constrained hardware like Pixel Watch, powering Smart Replies and Chrome summaries locally via Gemma models.
AI要約 iPhone実機でMLX・llama.cpp・LiteRT-LM・CoreMLの4ランタイムをベンチマークし、ローカルLLMの推論速度を比較検証した記事。
EN A hands-on benchmark comparing four on-device LLM runtimes—MLX, llama.cpp, LiteRT-LM, and CoreML—running on a physical iPhone to determine which delivers the fastest inference.
AI要約 GoogleのAIが自社名を含む単語のスペルを正しく出力できないという問題が再び注目を集めている。LLMの文字レベル処理の限界が背景にある。
EN Google's AI systems are reportedly unable to correctly spell even the word 'Google,' highlighting a well-known but persistent limitation of large language models in character-level tasks.
AI要約 LM StudioでGemma 4を試した著者が、4つのバリアントの違いを速度・性能の観点から整理・解説した記事。
EN A hands-on breakdown of the four Gemma 4 model variants, written by a developer exploring open-weight LLMs via LM Studio for local self-hosting.
og fallback AI要約 同じ作業をさせるなら、どちらが安いのか。 米国 frontier モデルにそのまま投げる DeepSeek のような低価格モデルを使い、人間が判断・修正・検収する SignalBloom AI の記事「Outsourcing plus Lo
AI要約 外部教師なしでLLM自身がラベルなしプロンプトから合成データを生成・自己検証し、さらに性能を向上させる蒸留手法を提案した研究。
EN arXiv:2605.26132v1 Announce Type: new Abstract: Can post-trained large language models (LLMs) further improve themselves using only unlabeled prompts, without external teachers or feedback from tools?
og fallback AI要約 LLMの事前学習データ露出問題を包括的に調査。メンバーシップ推定攻撃、データ汚染、セキュリティリスクを体系的に整理したサーベイ論文。
EN arXiv:2605.26133v1 Announce Type: new Abstract: Large Language Models (LLMs) have become the predominant paradigm in NLP, advancing both research and industry. As model sizes and pretraining data grow
og fallback AI要約 自動プロンプトエンジニアリングにコード生成を組み合わせ、オプティマイザ自体をエージェント的に改善するSPEARフレームワークを提案。
EN arXiv:2605.26275v1 Announce Type: new Abstract: Automatic prompt engineering (APE) rewrites prompts to improve downstream task performance, but existing APE loops treat the optimizer itself as a fixed
og fallback AI要約 放射線腫瘍学向けにLLMを活用した臨床要約・治験マッチングシステム「The Daily Dose」の設計と初期臨床評価を報告。
EN arXiv:2605.26346v1 Announce Type: new Abstract: Objective: To describe the design and early clinical evaluation of The Daily Dose (TDD), an LLM-driven, automated clinical summarization and clinical-tr
og fallback