タグ: #ai-engineering

한국어English日本語中文

← すべての記事

• Vision モデル開発・fine-tuning 完全ガイド 2026 — CNN、ViT、DETR、SAM 2、VLM の実戦 decision tree

  2026 年の vision モデル開発はもう ResNet を 1 行で持ってきて学習する時代ではない。CNN、ViT、DETR、SAM 2、そして LLaVA・Qwen-VL・Gemini Vision・Claude Vision のような VLM まで — 同じ写真 1 枚に対しても、どのモデルを使うかで cost が 100 倍、accuracy が 30 pp 変わる。この記事は classification・detectio

  2026-05-14 · 26 分で読めます #computer-vision#vision-model#cnn#vit#detr

• 開発者のポッドキャスト・キュレーション 2026 — Latent Space・Changelog・SE Dailyまで、通勤路で聴く一級の対話

  本棚が判断の骨格を、動画がその骨格に肉付けする道具だとしたら、ポッドキャストはその肉の上を流れる血管である。通勤・散歩・皿洗い・運転の途中、業界の脈拍が頭に刻まれていく。この記事は2026年5月時点で一級のシグナルをくれるポッドキャストをカテゴリ別にキュレーションする。Latent Space・Changelog・JS Party・Software Engineering Daily・The Pragmatic Engineer・No

  2026-05-14 · 39 分で読めます #developer-podcasts#latent-space#changelog#podcasts#learning

• LLM ランドマーク論文ガイド — Attention から GPT・LLaMA・DeepSeek・o1・Claude まで (参考文献付き、2026)

  LLM 分野の本当の変化は、どの論文から始まったのか。2017 年の Attention is All You Need から 2026 年の推論モデルまで、必ず知っておくべきランドマーク論文 20 編余りを時期・テーマ別に整理する。各論文は『なぜ重要か・一言要約・後続の影響』で凝縮し、arXiv・ブログのリンクを末尾にまとめた。時間の足りないエンジニアのための LLM 論文地図。

  2026-05-14 · 22 分で読めます #llm#research-papers#transformer#gpt#llama

• agent 評価システム 2026 — Inspect AI・Promptfoo・Phoenix・LangSmith・OpenAI Evals 徹底比較（モデルではなく agent を測る）

  LLM 評価はモデルを測る。agent 評価はモデル + harness + tool が作業を最後まで完遂するかを測る。これは別の問題だ。2026 年現在の agent 評価フレームワークの地図を描く — UK AISI の Inspect AI（事実上の gold standard 化）、Promptfoo（OSS CLI）、Arize Phoenix（OSS observability + eval）、LangSmith（Lang

  2026-05-14 · 29 分で読めます #agent-evaluation#inspect-ai#promptfoo#phoenix#langsmith

• AIコーディングアシスタントの限界 2026 — 正直な、しかし公正な評価(できないことについて)

  AIコーディングアシスタントは強力だ。しかしその強さの形は一様ではない。深いバグのデバッグ、大規模コードベースのアーキテクチャ、微妙な性能リグレッション、並行性の正しさ、本当に新しい技術、マルチリポ変更、セキュリティコード、レガシーの暗黙の前提、長セッションのプロンプトドリフト —— 2026年中盤でも、人間の判断が multiplier として残る領域。アンチAIではなく calibrated。どこで光り、どこで人間が掛け算するかのマ

  2026-05-14 · 36 分で読めます #ai-coding#ai-limitations#honest-take#ai-engineering#claude-code

• AI harness 解剖 — モデルを agent に変える scaffolding（loop・tool・context、そして自作する）

  モデルは engine で、harness は車だ。同じ engine に違う車を載せれば、走行体験はまったく変わる。2026 年の AI engineering の本当の重心はモデルではなく、そのモデルを取り囲む scaffolding — harness — にある。agent loop の解剖、tool execution 層、context 管理と context rot、System Prompt の役割、制御フロー（sub-

  2026-05-14 · 22 分で読めます #ai-harness#ai-agent#llm#agent-loop#tool-execution

• Python 完全ガイド — FastAPI・AsyncIO・Pydantic・uv・Polars・AI エンジニアリング (Season 2 Ep 5, 2025)

  Python はかつて「遅く、GIL に縛られた」言語だった。2024〜2025 年の Python は、free-threading (No-GIL) 実験、JIT コンパイラ、革命的パッケージマネージャ uv、Rust バックエンド DataFrame の Polars、Rust Core の Pydantic v2、型安全 API の FastAPI、そして LangChain・LangGraph・Pydantic AI へ続く

  2026-04-15 · 14 分で読めます #python#fastapi#asyncio#pydantic#uv

• AI Engineering 実戦 — LLM API・RAG・Agent・LoRA/DPO・Vector DB・評価・Observability・Prompt Injection (2025)

  本番LLM API呼び出しの本当の難しさ、RAGが単純検索ではない理由、Agentパターン (ReAct・Plan-Execute・ReWOO)、Fine-tuning (LoRA・QLoRA・DPO) をいつやり、いつやらないか、Vector DB決定マトリクス、LLM評価が根本的に難しい理由、コスト最適化、そしてPrompt Injection防御まで。デモではなく、本番AIアプリを出荷する方法。

  2026-04-15 · 9 分で読めます #ai-engineering#llm#rag#ai-agent#lora

• AIハーネスとは何か：Skills、Context、Hooks、PermissionsでAIを制御するオーケストレーションアーキテクチャ

  AIハーネス（Harness）はAIモデルをラップして制御するオーケストレーションレイヤーです。System Prompt、Tools、Context、Skills、Hooks、Permissions、Memoryの7つの構成要素を解剖し、Claude Agent SDKとLangGraphで実際に構築する方法まで — AIエンジニア必読ガイド。

  2026-03-23 · 48 分で読めます #ai-harness#claude-code#agent-sdk#skills#context