「出したつもり」と「本当に読める」は別だった：AMA-terasの公開台帳を直した話
導入 AMA-teras は Electron 製のデスクトップ AI コーディングエージェントです。 対話しながら、計画、実装、デバッグ、テストを進めます。生成物は隔離した git worktree で typecheck、テスト、実起動スモークの検証ゲートを通し、本体へ昇格する前には人間の承認を必ず挟みます。 外部への発信や書き込みも同じです。承認ダイアログを通さないと実行できない設計にしています。 ただし、今回直したのは「承認したか」ではありません。 問題はその先でした。 承認した push した published: true にした これらは、どれも「本当に読める」ことを意...
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
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 →
新しい汎用AIが出ても特化モデルは勝てるのか — スコア0.925対0.798の比較を読む
帳票の読み取りをAIに任せるとき、最新の大手汎用モデルを待つべきか、自社言語・自社帳票に合わせた小型モデルを選ぶべきか。2026年7月16日に公開された比較では特化モデルが0.925、汎用OCRが0.798でした。ただしこれは提供元自身が設計したポルトガル語専用ベンチマークの数字です。
続きを読む →