APIを用いたコンテキストエンジニアリング
はじめに 蒲生弘郷さんの『LLMの原理、RAG・エージェント開発から読み解く コンテキストエンジニアリング』（技術評論社）を読み進めています。 https://link.amazon/B05JLhPYT 今回は2章「APIサービス利用におけるコンテキストの扱いと基礎機能」の読書アウトプットです。 書籍の内容を自分の理解で再構成したメモなので、正確な解説はぜひ本書を手に取ってください。 APIサービスは2系統ある LLMのAPIサービスは大きく2つに分けられます。 1. LLMベンダーが直接運営するAPI 新機能・新モデルの提供が速いのが特徴です。 OpenAI API: 業界...
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
画像生成AIの学習データは、絞り込むより説明を足すほうが効くのか？JPEG品質92でPSNR48.7dBという実測
Photoroomが自社の画像生成モデルPRXの学習データ構築を公開しました。JPEG品質92でもPSNR48.7dB、指標で劣るが約3倍速いキャプションモデルを採用、という実測と妥協の記録です。自社でモデルを学習しない中小企業にも転用できる原則を3つ取り出します。
続きを読む →
AIエージェントの「移行できました」は信じてよいのか？30件中29件を成功と自己申告し、実際に通ったのは22件
IBM Researchが公開したScarfBenchは、Enterprise Javaのフレームワーク間移行をAIエージェントに解かせるベンチマークです。最上位のエージェントでも挙動を保った移行の成功率は10%未満、アプリ全体移行30件では29件を成功と自己申告しながら実際にビルドできたのは22件でした。検収基準の置き方を考え直す材料になります。
続きを読む →
会議室や工場で音声認識AIの精度はどれだけ落ちるのか（低SNR環境で誤り数倍）
Treble TechnologiesがHugging Faceと共同で公開したFFASRリーダーボードは、無響の2,000サンプルを14部屋でシミュレーションし、9条件のうち4条件でASRを比較しました。低SNR（6dB未満）では単語誤り率が近接環境の数倍。ベンダー公表値の読み方と、自社での検証手順を整理します。
続きを読む →