ループエンジニアリングは、なぜ同じ提案を繰り返すのか
アーキテクチャを改善させようとして、エージェントに何周もループを回させたことはないだろうか。最初の数回で、キャッシュ戦略やコンポーネント分割の提案は確かに幅が広がる。しかしその先を回し続けると、提案は新しくならない。既に見た2つ・3つの案を、言い回しを変えながら何度も提案し直しているだけだった、ということに後から気づく。トークンは確実に消費されているのにだ。 普段の運用——バグを直す、機能を1つ足す、テストを通す——なら、ループはだいたい期待通りに動く。問題が出るのは、答えが一意に決まらない領域、つまり「もっと良い設計はないか」「もっと面白い実装はないか」と探索させ続けたときだ。ここで起...
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
オープンウェイトのGLM-5.2は商用最上位にどこまで迫ったのか — FrontierSWE 74.4%と1Mトークンの中身
誰でも重みを入手できるオープンウェイトの大規模モデルGLM-5.2が、開発タスクの指標で商用最上位に1ポイント差まで迫ったと発表されました。ただしこれは提供元Z.AI自身による測定で、超長時間タスクでは13ポイント差の劣後も同時に報告されています。中小企業にとっての意味を数字ごとに整理します。
続きを読む →
GitHub ActionsのCIをHugging Face Jobsへ移すと実行時間は1分40秒から1分10秒になるのか？
Hugging Faceが自社プロダクトTrackioのCIをGitHub ActionsからHF Jobsへ移した結果、CPU実行で1分40秒が1分10秒（約30%短縮）、GPU実行で45秒・1回1セント未満と報告されました。ただし発信元は当該サービスの提供者であり、測定回数も期間も記載がありません。読み方を整理します。
続きを読む →
社内AIの「危ない出力」を自社ルールで検閲する4Bモデルは、中小企業でも運用できるのか？
NVIDIAが公開したNemotron 3.5 Content Safetyは、AIの入出力が安全かどうかを判定する4Bパラメータの小型モデルです。多言語Aegisで有害判定F1が96.5%、日本語は明示的な訓練対象12言語に含まれます。ただし数値はすべて提供者本人の自己申告で、比較条件は非公開です。
続きを読む →