LLM

ソフトウエア

Sakana AIとは？日本発AIユニコーン

Sakana AIを、会社の位置づけ、資金調達、The AI Scientist、Sakana Chat・Namazu・Fugu、政府支援と導入前の確認項目に分けて解説します。
2026.08.17 2026.08.26 冨田到 冨田到
ソフトウエアメーカー
ソフトウエア

マルチエージェントとは？｜LLM協調の5類型を実務例で見分ける

マルチエージェントとは、複数のAIが役割分担しながら1つのゴールに向かう仕組み。Anthropicが単一Opus 4を90.2%上回った実測データと15倍トークンコストのトレードオフ、Orchestrator-Worker/Sequential/Parallel/Debate/Swarmの5類型、LangGraph・CrewAI・AutoGen・OpenAI Agents SDK・MetaGPT・Claude Code sub-agentの選び方まで、R&D・DX担当が明日から判断できる形で整理します。
2026.07.23 2026.07.26 冨田到 冨田到
ソフトウエア
ソフトウエア

LLMとは｜AIリサーチで使う3層理解と選び方

LLM（大規模言語モデル）を Transformer / RAG / Reasoning の3層で整理し、AIリサーチ実務での使いこなし方まで初学者向けに解説。2026年の主要モデル選びと今後のトレンドもわかる用語集記事です。
2026.07.11 冨田到 冨田到
ソフトウエア
ソフトウエア

Return on Tokenで見直すClaude運用｜サブエージェントで消費半減の3層構成

Claude Code のトークン消費を Return on Token（ROT）で見直し、Haiku・Sonnet・Opus の3層構成とサブエージェント委譲で消費を半減させる実装パターンを、情シス・DX担当向けに解説。今週から動ける4週間チェックリスト付き。
2026.07.10 冨田到 冨田到
ソフトウエア
ソフトウエア

SimpleQAとは｜AI事実性ベンチと単体・ツール込みスコアの読み方

SimpleQAはOpenAIが2024年10月に公開した4,326問のAI事実性ベンチマークです。GPT-4o38%からDeepSeek V3.2の97%までのスコア推移、単体とツール込みの読み分け方、Japanese SimpleQAまでを2026年7月時点で解説します。
2026.07.07 冨田到 冨田到
ソフトウエア広告・出版・マスコミ
ソフトウエア

HLEとは？AI評価ベンチマークの最前線と使い方を解説

HLE（Humanity's Last Exam）は、CAISとScale AIが作った2,500問のAI最終学力試験です。2026年7月時点の最新スコア、他ベンチマークとの違い、実務でのモデル選定チェックリストまでを解説します。
2026.07.07 2026.07.14 冨田到 冨田到
ソフトウエア広告・出版・マスコミ
ソフトウエア

2026年AIリサーチエージェント徹底比較｜NinjaTech・Felo・Perplexity・Tokkyo.Ai・Snorbeを業務別に使い分ける

2026年6月時点で実務に使える主要AIリサーチエージェント9ツール（NinjaTech AI、Felo、Perplexity、Tokkyo.Ai、Patentfield、FRONTEO Kibit、Genspark、Sakana AI、Snorbe）を価格・公開ベンチマーク・業界別の使い分けで徹底比較。Snorbe開発者の体験ベース解説。
2026.06.17 冨田到 冨田到
ソフトウエア
ソフトウエア

【論文解説】grepとbashでRAG超え？DCI論文の中身と将来展望

2026年5月公開のDCI論文（arXiv:2605.05242）を初学者向けに解説。grepやbashでLLMが直接コーパスを探る新手法が、ベクトル検索を精度・コストの両面で上回った理由と、これからのRAG設計への影響をやさしくまとめます。
2026.05.20 冨田到 冨田到
ソフトウエア
サービス・インフラ

【論文解説】38万パラメータで化学計算60年の壁を越えるMicrosoft Skala

Microsoft Researchが発表した深層学習XC汎関数Skalaを解説。GMTKN55で2.8 kcal/molを達成し、ハイブリッド汎関数を超える精度をセミローカルDFTのコストで実現した仕組みと、創薬・電池・触媒分野への展望を初学者向けにわかりやすく紹介します。
2026.05.11 冨田到 冨田到
サービス・インフラメーカー
ソフトウエア

【論文解説】NAGとは？AIの頭の中を覗いて学習データを選ぶ新手法と未来

LLMの「効く学習データ」をニューロン単位で見つける新手法NAG（Neuron-Activated Graph）について、初学者にもわかるように解説します。仕組み、実験結果、技術の流れ、AIエージェントへの応用可能性まで、論文の内容を噛み砕いてお届けします。
2026.05.07 冨田到 冨田到
ソフトウエア
次のページ