複数のAIに足りないのは、賢さではなく共有コンテキストだった
複数のAIを走らせた瞬間、あなたは分散チームを運用している Claude Code、OpenAI Codex、GitHub CopilotのようなAI coding agentを1人で使っていても、2つ以上のtaskを並列に走らせた時点で、状況は「1人の開発」ではなくなります。 それぞれのagentがbranchを切り、pull requestを作る。しばらくすると、同じrepositoryに複数のopen PRが同時に並びます。これは実質、複数の作業者が同じrepositoryへ同時にPRを出している状態です。つまり、あなたは小さな分散チームを運用しています。 ここで詰まる原因は、...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
本物の顔写真を使わずに、顔認証システムの優劣は比較できるのか（合成データ12件×モデル24本の検証）
ルクセンブルク大学らの研究が、AI生成の合成顔データセット12件と実データのベンチマーク7件を、学習済みモデル24本で突き合わせた。上位の合成データは実データとの相関が平均0.90に達する一方、最下位は-0.52まで落ちる。顔写真を集めずにベンダー比較ができる条件と、鵜呑みにしてはいけない境界を整理する。
続きを読む →
推薦モデルは再学習なしで更新できるか？ データ1.8%でRMSE0.810という実測
推薦システムを再学習せずに新しい行動データだけで更新する手法を公開した。データの1.8%しか読まずにRMSE0.810、更新は1バッチ90ms、CPU単体で動く。一方で大規模カタログではアイテムカバレッジ1%未満まで落ちる限界も報告されている。中小ECにとって何を意味するかを整理する。
続きを読む →
環境が変わるとAIの精度は33.26%まで落ちるのか — 医療画像研究が示す「持ち込んだ途端に壊れる」現象
学習した環境と違う条件にAIを持ち込むと精度は崩れます。2026年7月公開の医療画像研究では、造影CTで学習した手法を非造影CTに当てただけで精度が33.26%まで低下しました。デモでは高精度だったAIが自社では動かない、という現象の正体と、稟議での評価のさせ方を整理します。
続きを読む →