自分一人で複数のAIを使うためのAgent Memory Serverを作った
Claude Projectsで、技術担当・事業担当・学習コーチ担当など、役割の異なる複数のAIエージェントを並行運用しています。現在は8体います。 しばらく運用して分かったのは、「AIに何度も同じ説明をする」という問題は、モデルの性能だけでは解決しないということでした。 セッションが変わるたびに、前回どこまで進めたか、何を決めたか、何を保留にしたかが消えます。エージェントが増えるほど、この問題も大きくなりました。 その結果作ったのが、Agent Memory Server（AMS）というセルフホスト型のメモリサーバーです。今回、OSSとして公開しました。 https://github....
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
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 →
パラメータ2.8Mで48GB GPU級の予測精度は出せるのか──時系列知識グラフ研究GAttNHPが示した数字
「次に何が、いつ起こるか」を予測する新手法GAttNHPが、パラメータ2.8M・GPUメモリ2.54GBという構成で、88M〜107Mパラメータ・GPU 48GBを要する従来最良手法をMRRで8.25ポイント上回りました。低頻度データほど改善が大きいという結果を、中小企業の予測案件にどう読み替えるかを整理します。
続きを読む →
小型AIに推論力を教え込めるか — 100ステップの追加学習で数学スコアが45.8→70.3になった実験
自社で動かせる小型モデルに「考える力」を後から足せるのか。2026年7月公開の研究は、教師モデルの出力をそのまま真似させるのではなく、教師とその土台モデルの差分だけを学ばせる方法を14ベンチマークで実測しました。伸びた数字と、伸びなかった条件を整理します。
続きを読む →