pols.devが約8.7万文字のMarkdownを公開。生成系Webサイトの典型パターンを具体名で指摘し、改善策を提示する汎用ルール集です。
1つのコアスキル、23のデザイン命令、アンチパターンリスト、そしてCIに組み込めるスロップ検出。本サイトでは実装方法を解説し、/slopページでは「一発でAIと分かる」UIパターンを公開しています。
約54GBの27Bモデルを約3.9~5.9GBに圧縮。スマホ単体で動作し、平均スコアも約9割を維持。まずは中核的価値から解説、技術詳細と注意点は後半で。
FINRAのような標準化機関をまず米国に設け、動的ベンチマークでフロンティアモデルを定義すべきと提言。仕組みが軌道に乗れば、市場参入を阻む正式な関門に格上げできるとの考えだ。
24ヶ月でモデルの能力は大幅に向上した一方、SAGEラボが独自に構築した信頼性の複合指標はわずか5〜10ポイントの上昇にとどまりました。
36ページの公式マニュアルが、4段階ごとの卒業基準・よくある落とし穴・対応するClaudeプロンプトを整理。そのままコピペして使えます。
記憶システム導入後、食料品のチェックアウト転換率が約24%向上。自動評価で1日あたりの評価量が人による1件から2000件超へ。
検索は計画を立てて再試行できる子 agent へと進化し、評価は「動くかどうか」から「正しくできているか」へと格上げされた
3モデル・20言語を分析:英語は最も慎重かつ深く、ロシア語は最も厳格、ヒンディー語は最も温かく、中国語は全体平均に近い
"大脳"(中央コントローラー)の指令なしに、200個近い普通のスマートキューブが"ひそひそ話"のようにやり取りするだけで、自分たちがどんな形に組み上がったかを把握し、損傷後にはどこへ"再生"すべきかまで判断できる。前半部分はすでに実機のブロックで実証済みだが、損傷箇所の特定と再生は依然として主にシミュレーション上で行われている。
企業は知能に二度支払う。1回目はモデル利用料、2回目はモデルを本当に役立たせるための自社固有の知識だ。
論文には「オープンソース化済み」とあるが、実際にコードリポジトリを確認すると中身は空で、コードは一行も push されていなかった。
モデル交換はAPIの差し替えでは済まない:評価基準・ツールパラメータ・キャッシュ・推論ログ、見えない4つの落とし穴を徹底解剖
サンプルは120万件のセッション、60万以上の組織をカバー:コンテンツ制作がすぐ後に続き16.4%、両者合わせて利用量のほぼ半分を占める。
利益率が長年一桁台にとどまる製造・物流・倉庫・労務業界は、調整コストを削るだけで利益を数倍に伸ばせる
57.6万サンプル・16モデルで実測:AI推薦パッケージの19.7%が幻覚、43%は同じ偽名を繰り返し生成する。
ベンチマーク不正への疑惑には正面から答えず、デスクトップアプリの統合には古参ユーザーが反発。チームも「まだ模索中」と認めた。
暗黙知から対話帯域、モデルアライメントに至るまで、AIの発展になぜ人間の参加が欠かせないかを論じる。
その日の新着解説を毎晩1通でお届け。解除はいつでも。