コーディング技術はもう無価値で、そろばんのような存在になっている
煽りではなくこれは先輩達へのご相談です、、、 いや無価値ではないんだろうけども、自分のようなエントリーレベルのエンジニアが頑張ってヨチヨチと自己研鑽してきた写経とかおまじないとかの時間は、今の時点ではやる価値のない努力になってしまった。で合ってますよね？ きっかけは他人事 ChatGPTはチャッピーと呼ばれるかなり前から、リリース直後くらいから使っていました。（でもStable Diffusionの方が衝撃でしたが。） 去年まではまだ「より的確で便利なGoogle検索」くらいの認識でした。 今年の2月に、Spotifyが「12月以来開発者がコードを一行も書いていない」という記事を見て...
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 →
編集部の実践記録から
パラメータ1.5Mから34.5MのOCRモデルは、自社の帳票読み取りを内製する道具になるのか？
PP-OCRv6は3パラメータ規模で展開されるOCRモデル群です。社内ベンチマークの精度数値は参考になりますが、導入判断に必要な推論速度・ハードウェア要件・ライセンス・日本語精度が記載されていません。本記事は精度の読み方と、自社の帳票で測定すべき項目を整理しました。
続きを読む →
定型判断はローカルAIで足りるのか — 330件の仕分けをF1 0.800・1件1.41秒で回した検証は何を示したか
Hugging Face公式ブログが、OpenClawリポジトリのPR・課題の仕分けをローカルの小型モデルで実施した結果を公開しました。330行の評価セットでF1 0.800、1件あたり1.41秒。巨大モデルはF1 0.811とほぼ同等ながら1件144秒。数字の出どころと限界も含めて読み解きます。
続きを読む →
社内資料を読ませたAIエージェントは、外部検索の途中で機密をどれだけ漏らすのか？漏洩率34.0%という実測
ServiceNowが公開したMosaicLeaksは、社内文書を読んだAIリサーチエージェントが外部検索クエリに機密を混入させる度合いを測ったベンチマークです。素のモデルで漏洩率34.0%、「漏らすな」と指示しても25.5%、精度だけを追って学習させると51.7%に悪化しました。社内AI利用の線引きを考える材料になります。
続きを読む →