発信力の増幅機としてのLLM
背景 例えば芸能人がLLMでシステムを作ると話題になる。 https://www.sankei.com/article/20260805-RIOHNGARVJOORGFMICZ24IL73A/ エグゼクティブがLLMで執筆すると驚かれる。 https://www.itmedia.co.jp/aiplus/article/2608/20/2000000644/ このような発信に関しては賛否両論であっても賛成に寄った雰囲気に感じる。(否定すると誹謗中傷として訴訟リスクがあるかも、という話は置いておく。) しかし我々、このブログを読んでいる読者のほとんどである一般人の中には、おそらくLLM...
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
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 →