AIの長期記憶を自作した側から見た、mem0・Letta・論文が止まっていた3つの空白
車輪を再発明していないか、作ったあとで急に不安になることがあります。 私はしばらく前に、AIとの作業記録を毎晩自動でノート化して、翌日の対話に渡す仕組みを個人で作りました。ここで言うAIとは Claude Code のことで、ターミナルで動く開発用のAIエージェント（調べもの・ファイル編集・コマンド実行まで対話で任せられるツール）です。作った装置そのものの話は別記事に書いたので、ここでは繰り返しません。 この記事は、作ったあとで同じことをやっている先人を製品・OSS・個人の実践・研究論文まで横断で洗った、その調査の記録です。「作るべきか、既製品を使うべきか」で迷っている人に向けて書きます...
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 →