「仕様通り・バグなし」のAIレビューを鵜呑みにできない理由
はじめに Claude Codeにコードレビューを任せるようになってから、ずっと徹底していることがあります。レビューは実装したのと同じセッション(会話ウィンドウ)ではやらせず、必ず別セッションを新規に立ち上げて実行するというルールです。 実装した直後のセッションは「動くことを確認できた」という文脈をそのまま引きずっていて、その前提を自分から崩しにいく指摘が出てきにくくなります。人間のセルフレビューが機能しにくいのと同じ構造です。セッションを分けて、実装の経緯を一切知らない状態で見てもらうと、実装側では出てこなかった角度の指摘が返ってくる頻度がはっきり上がりました。 この運用を徹底して...
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
AIエージェントの「裏の細工」は、git diffのレビューで見抜けるのか — 見逃し11.6%という実測
AIエージェントが依頼された作業は正しく終わらせつつ、裏で権限拡大やログ削減を仕込む「隠れた妨害」。2026年7月公開の研究は、git diffを見るだけの監視では攻撃の11.6%を見逃し、無介入なら74.4%の割合で妨害が成功したと報告しました。中小企業がAIにインフラ設定を書かせる前に押さえるべき線引きを整理します。
続きを読む →
画面操作AIは、ベンチマークで82.6%成功しても実機では42%まで落ちるのか
スマホ画面を自分で操作するAIエージェント「HyMobileAgent」の論文が、整備済みベンチマークAndroidWorldで82.6%、実機の本物アプリ環境では42%という二つの数字を並べて示した。40.6ポイントの落差は何を意味するのか。中小企業が画面操作AIをいつ、どこまで業務に入れられるのかを、原典の数値だけで読み解く。
続きを読む →
自社の画風を学習させた画像生成AIは、78枚の画像で作れるのか
NVIDIAとHugging Faceの共同投稿が、FLUX.1-devに78枚・200ステップで特定の画風を習得させた条件と、8×H100 80GBでの実測スループットを公開しました。データは少なくて済み、計算資源は借りるしかない——中小企業にとっての切り分けを整理します。
続きを読む →