BenchMIRT──LLMベンチマークが測定する真価
このニュースの全文は、配信元でお読みいただけます。 Hugging Faceで元記事を読む →
編集部の実践記録から
AI実践室
AI秘書が毎朝8時にやっていること — 27本のcronジョブと、3日間止まっていた話
弊社の「AI秘書」は毎朝8時に経営データを1枚のブリーフィングにまとめます。実際のスクリプト・出力・実行ログを開いて、何をしていて、何ができていないかを数字で書きました。
続きを読む →
AI実践室
AIに「鬼とは何か」を聞いたら、3体とも同じ答えにたどり着いた
このメディアの名前でもある「鬼」。Claudeの3世代（Opus 4.8 / Sonnet 5 / Haiku 4.5）に「鬼とは何か。1文で、詩的に答えて」とだけ頼みました。バラバラの言葉で返ってきた3つの答えが、なぜか同じ一点を指していた——AIの“発想の揃い方”が見える、短い実験の記録です。
続きを読む →
失敗の鬼
AI自動化は「エラーを出さずに止まる」— 自社で見つけた12件の実測と、発注時に決めておくこと
自動化はエラーを出して止まるとは限りません。処理は最後まで走り、ログにも完了と出て、数字が増えないことだけが唯一の兆候になります。株式会社TOEが自社で見つけた12件（発火率91%抜け、実行0通、翻訳が7%で停滞など）を型に整理し、発注時に契約で決めておくことをまとめました。
続きを読む →