「消したら賢くなった」回は伸びるか — Claude Code の作者に2回目を賭ける（#24 投稿前予測）
この記事は何か 海外のTech Talkを日本語の縦型ショートに切り出して TikTok に投稿しています。1本の元動画から9〜10本のクリップを作り、投稿する前に「どれが伸びるか」を予測して保存し、あとで実測と突き合わせています。 今回の #24 は Boris Cherny（Claude Code の作者）が Y Combinator Startup School 2026 で話した「Claude Code のシステムプロンプトを80%削った」回です。 ! 外れた回のほうが多い実験の記録です。今回は特に、前回の答え合わせで自分の集計に誤りが見つかったので、その訂正から書きます。 ...
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
AIに調べ物をさせると、専門家と同じ結論に届くか — 28研究の自動メタ分析
「調べてまとめる」仕事はAIに向いていそうで、実際には根拠の追跡が難しく任せにくい領域です。2026年7月公開の研究は、検索から統計処理まで通しで自動化し、専門家によるメタ分析と近い結果を得たと報告しました。中小企業の調査業務に何が使えるかを整理します。
続きを読む →
AIの公平性を上げると、プライバシーは守られるのか — 全体平均では見えない差
採用や与信でAIを使うとき、公平性への配慮は避けられません。2026年7月公開の研究は、公平性を高める処理がプライバシー上のリスクに与える影響を部分集団ごとに調べ、全体の平均では見えない偏りがあることを示しました。
続きを読む →
社内データにAIを「たどらせる」方式は、追加学習なしでどこまで当たるのか（Macro F1 66.29%／最難関40.83%）
知識グラフを段階的にたどらせてSPARQLを生成する手法MARSが、ファインチューニングなしで既存手法を上回った。ただし最高でもMacro F1は66.29%、最難関ベンチマークでは40.83%。社内DBへの自然文質問AIを検討する中小企業が、精度の天井をどう見積もり、どこに人を残すべきかを一次資料の数字から読む。
続きを読む →