ARCHIVE
アーカイブ
公開済みの記事を元のURLで保管しています。過去の記事には執筆時の技術と見解が含まれます。
356 件の記事 · 18 / 30 ページ
· JA
MCPがオープン標準に — Linux Foundation参画とエンジニアリング導入ロードマップ
AnthropicがMCPをLinux Foundationに寄贈し、OpenAI・Google・Microsoftが参画しました。76%の企業が導入を検討中の今、EM/VPoEが知るべき実践的な導入戦略を整理します。
· JA
MIT EnCompass:AIエージェントに検索アルゴリズムを組み込み精度40%向上させる方法
MIT CSAILが開発したEnCompassフレームワークでAIエージェントの実行パスに検索戦略を適用し、信頼性と精度を劇的に向上させる方法を実務観点で分析します。
· JA
Jira AI エージェントと MCP — エンジニアリングマネージャーが準備すべきこと
Atlassian が Jira に AI エージェントを導入し、MCP を全面採用しました。EM 視点でチーム運営の変化と実務対応戦略をまとめます。
· JA
LLMコーディングハーネス最適化 — モデルではなくハーネスを変えて15モデルの性能向上
LLMコーディングではモデル選択よりハーネス(編集フォーマット、ツールインターフェース)最適化が5〜14%高い性能向上をもたらします。Grok Code Fast 6.7%→68.3%の実事例を基に、EM・CTOのための実務戦略を解説します。
· JA
AIモデル蒸留攻撃の実態 — CTOが知るべきIP保護戦略
Anthropicが検出した大規模AIモデル蒸留攻撃の事例を分析し、企業がAI APIを活用する際に知的財産を保護するための実務戦略を解説します。
· JA
Anthropic vs ペンタゴン — AI ガバナンス時代に CTO が準備すべきベンダー戦略
Anthropic のペンタゴン軍事 AI 要求拒否事態を分析し、CTO/VPoE が AI ベンダー依存リスクと統治戦略をいかに構築すべきか実践ガイドを提示します。
· JA
GitHub Agentic Workflows — CI/CDにAIエージェントが参加
GitHub Agentic Workflowsの技術プレビューを分析します。MarkdownでAIエージェントが自動化を定義し、継続的なAIパラダイムで課題分類・コード生成・テスト作成を実現します。
· JA
MIT TLT: 推論LLM訓練の速度を2倍に加速させる適応型ドラフター
MITが発表したTLT技術は、遊休GPUを活用して推論LLMのRL訓練を70~210%加速します。適応型ドラフターとロールアウトエンジンの仕組みを解析します。
· JA
Claude Code Remote Control 完全ガイド — セットアップからモバイル遠隔操作まで
Claude Code Remote Controlの設定方法と活用法を解説します。デスクトップで始めたタスクをモバイルからモニタリング・操作するワークフローを実例とともに紹介します。
· JA
OpenClawのモデルをOpenAI Codexに切り替える — ToS混乱後の実践ガイド
Claude・GeminiのToS変更後、OpenClawユーザー向けのOpenAI Codex移行ガイド。バックアップからモデル設定、エージェント別構成まで一気に解説します。
· JA
塩を信じるな — 多言語LLM安全性とガードレールの盲点
多言語環境でLLMガードレールが無力化される実態を分析します。英語以外の言語で安全性検証が失敗する構造的問題と実務的な対応策を提示します。
· JA
GGML/llama.cppがHugging Faceに合流 — ローカルAIインフラの構造的転換点
ggml.aiチームがHugging Faceに合流し、llama.cppの長期的な持続可能性を確保します。ローカルAI推論エコシステムの構造的変化と技術的意義を分析します。