RAGのRerankerについて、Cross Encoder型と汎用LLM型を検索精度・応答時間・運用コストの観点から比較した。JQaRAではCross Encoder型のcl-nagoya/ruri-v3-reranker-310mがnDCG@10 0.869で最高値を記録し、Multi-hop FAQでは汎用LLMが相対的に高いスコアを示した。さらに汎用LLM型のコスト削減手法により、精度を維持したまま最大40%のコスト削減を達成したとしている。
チューリングは、NVIDIA の映像-テキスト埋め込みモデル Cosmos-Embed1 と Databricks Vector Search を組み合わせ、約54万シーン（約2,000時間分の走行データ）を対象にしたセマンティック検索システムを構築した。映像側の embedding は日次バッチで事前計算し、テキスト側のみ AWS Lambda でリアルタイムに計算する構成とした。
Turingは、車輪速とIMUから速度と姿勢を推定して時間積分するDead Reckoningによる自己位置推定手法を解説する。トンネルや地下駐車場などGNSSが受信できない環境でも、ローカルな自己位置を求められるとしている。GNSSが使える場所との比較では、単純計算でX方向0.65%、Y方向1.57%の誤差だった。この手法は自動運転システムにも組み込まれ、環境に依存せず走行実験ができるようになったという。
Turingは、S3インベントリを用いたデータ管理基盤を導入し、数億オブジェクト規模のデータセット情報を数日ではなく数秒で取得できるようにした。Databricks上で外部テーブルとDelta Tableの2段階構成とし、日次で更新している。インベントリの実行コストは100万オブジェクトあたりUSD 0.0025と記載されている。
Ethan Mollickは、エージェント時代のAI選びを「モデル」「アプリ」「ハーネス」の3要素で整理するガイドを公開した。チャットボットでの会話から、タスクを任せてAIがツールを使って実行する形へ使い方が変わったためである。主要モデルはGPT-5.2/5.3、Claude Opus 4.6、Gemini 3 Proで、月額$20の有料プランで高性能モデルを選ぶことを勧めている。
SSHで1回のキーストロークを送信した際に36バイトのパケットが多発する理由を、tcpdumpの解析とClaude Codeを使って調査した。単一キーストロークのキャプチャでは、全270パケットのうち179パケット（66.3%）が36バイトのメッセージだった。Claude Codeの解析では、暗号化処理の時間が1.6sから0.11sに減ったとされる。
Turingは自動運転モデル開発向けのMLOps基盤を「APIファースト」で設計した。データセット作成やシナリオテストなどの重い処理をクラウドで実行し、GUI（Next.js/Vercel）とCLI（Typer）の両方から同じAPIを呼び出せる構成とした。API側は全パラメータを必須とし、デフォルト値の制御はクライアント側に任せることで、チームやフェーズごとの柔軟な運用を可能にしたという。
チューリングのMLOpsチームは、Amazon SageMaker HyperPod＋Slurm＋Lustreで構築したGPUクラスターを、us-east-1からus-west-2へ移行した。移行の背景には、データセットのあるS3がオレゴンにあり転送料が発生していた問題がある。移行後はGPUノード数が同じでもコストが想定の約2倍になり、割引対象インスタンスなしでクラスターを作成したため割引が無効化されていたことが分かった。
Mistral AIのエンジニアチームが、vLLMで発生したメモリリークの原因を追跡した過程を解説する。Mistral Medium 3.1を使い、グラフコンパイルを有効にした条件下で、システムメモリが毎分400MBずつ線形に増加していた。Prefill/Decode分離構成のdecode側でのみ再現し、Heaptrackではヒープメモリは安定していたが、ヒープ外のピークRSSに差が出ていた。
Ethan MollickはOpus 4.5搭載のClaude Codeに起業アイデアの立案から実装まで任せ、1時間14分の自律作業でWebサイトが公開可能な状態になったと報告した。最近のAIは自律的な作業量の増大と、ツール群からなるエージェント用ハーネスの組み合わせで能力が跳ね上がっていると述べ、非プログラマー向けにClaude Desktopでの使い方も紹介している。
ABEJAの藤本氏が、Dynamixelモーターと3Dプリンタ部品で2足歩行ロボットを自作し、IsaacLabでのシミュレーションまでの流れを紹介する。関節は3つに限定し、姿勢認識はIMUのみで行う構成である。制御には強化学習（PPO）を採用し、URDFからUSDへの変換、rsl_rlを用いたプロジェクト作成、環境と報酬の設定を解説している。
ABEJA の筆者が NVIDIA の医療系 AI プラットフォーム「NVIDIA Clara」を試し、MONAI Toolkit で内臓セグメンテーション用モデル VISTA-3D をファインチューニングして CT 画像で推論した。学習には腹部 CT 画像 150 枚と 5 epoch を用い、GCP の T4 1 台で動作させた。創薬分野では BioNeMo Framework でタンパク質言語モデル ESM-2 の学習と推論も試している。
DeepSeek-R1は、DeepSeek-V3-Baseを数千個規模のCoT付きデータでファインチューニングした後、GRPOによる強化学習で品質を改善するモデルである。強化学習の報酬にはReward Modelではなく、数学やコーディングの正解判定に基づくルールベースの報酬を用いており、報酬ハッキングを避ける狙いがあると説明されている。
ABEJAのデータサイエンティストが、OpenAIのgpt-oss-120bに論理クイズや数学の問題、詰将棋を解かせ、思考過程のログを検証した。設定はtemperature 1.0、reasoning effort highである。嘘つき特定問題では、各証言の真偽を場合分けして検討し、Bobが犯人となる組み合わせに至る過程が確認できる。
ELYZAのPdMやDesignerのマネージャーである佐々木レイ氏が、ELYZA Worksの設計過程を1万字超で公開した。ユーザーをSaaSのアプリ利用者とアプリ作成者に絞り、非エンジニアでも扱える生成AI活用ツールを目指す方針を示している。行動変容の心理学を使ったユーザー体験設計やMVP、ロードマップの考え方も紹介している。
Ethan MollickはGoogleの新モデルGemini 3を試し、ベンチマーク数値ではなく実作業の成果でAIの進歩を示した。Antigravityを使い、自身の過去記事から予測サイトを作らせ、古い研究データから14ページの論文も書かせた。誤りは残るが、人間の役割は修正役から指揮役へ移りつつあると論じている。
ELYZAは、複数のMLリポジトリに分散していたPythonのLint設定を単一リポジトリで管理し、Copierで各プロジェクトへ配布する仕組みを構築した。ルールの追加・削除はPRで議論し、Ruffは全ルール有効化後に不採用ルールをignoreに追加する方式を採用している。設定の更新は各プロジェクトでcopier updateを実行するだけで行え、Copierは3-way mergeにより既存のプロジェクト固有の変更を保ったまま更新できる点が特徴である。
ELYZAのSolution事業部は、複数プロジェクトで再利用するプロンプトの読み込みとレンダリングに特化した社内ライブラリの要件と設計を紹介している。プロンプト定義にはTOMLを、テンプレートエンジンにはJinja2を採用し、Rendererはプラグインで追加できる構造とした。利用者には PromptTemplate.from_path() で読み込み、render() でレンダリングする単一のFacadeを提供し、fail-closeの原則で検証を行うとともに、ログにプロンプトやデータの中身を出力しない。
ELYZAは自社LLMプロダクト「ELYZA Works」の開発で、WebサービスとLLM領域をMQ（メッセージキュー）で分離する構成を採用している。Web側はTypeScript、LLM側はPythonを用い、それぞれ得意な技術で開発する体制を取っている。開発では要件定義、UI/UXデザイン（Figma）、Design Docによる設計、AIコーディング（主にClaude Code）を経てリリースしており、1機能の開発期間は約2週間を目安としている。
無料モデルで足りる用途と有料モデルが必要な用途を分けて整理したガイド。Claude、Gemini、ChatGPT、Grokなどが先端モデルを担い、本格利用には月額20ドルのプランが多くの人に適するとしている。ChatGPTは既定でGPT-5の自動選択モードになるため、複雑な作業では手動でGPT-5 Thinkingを選ぶよう勧めている。
ELYZAの中村氏が、npmで公開されたオープンソースのAI駆動タスク管理ツール「Task Master」をClaude Codeと連携させて試した。PRDからAIがタスクとサブタスクを自動生成し、タスクはtasks.jsonで管理される。Claude CodeからMCPツール経由で次のタスクを取得して着手でき、Notionへの一方向エクスポート用スラッシュコマンドも自作している。
ELYZAが、LLM Agentを実サービスに搭載する際の開発上の課題と工夫を紹介している。プロトタイプはGoogle ADKで作成し、データ分析タスクに特化したエージェントを検討した。入力のトークン消費が大きく、1M tokensあたりClaude-4-Sonnetで$6、Gemini-2.5-proで$2.5とコストが高いこと、また不特定多数のユーザによる並列実行を想定したサンドボックスの整備が必要なことが課題として挙げられている。
ELYZAの開発チームは、Lint/Formatによる規約の強制、API Schemaからのコード生成、PRごとの開発環境などの既存の自動化を、Claude Codeを使ったAIコーディングと組み合わせて活用している。2025年度はPRマージ数を前年同期比1.8倍とする目標を掲げ、7～9月期は約1.6倍で推移している。サービス層のテストカバレッジは70～95%とし、毎週金曜日を借金返済の日として開発工数の20%を充てている。
Mistralは、Pixtral-12Bを衛星画像でファインチューニングすると、ベースモデルより大きな改善が得られるとしている。評価にはAerial Image Dataset（AID）を用い、8,000件の学習データと2,000件のテストデータに分けた。プロンプトのみでは曖昧なクラスの識別や、存在しないクラス名の出力が課題だった。
ELYZAは、vLLMの推論サーバにSpeculative Decodingを適用し、同一ハードウェアのまま推論throughputを最大約1.7倍に高めた。ELYZA-tasks-100での評価では、Llama3.2-1Bをdraft modelとし、num_speculative_tokens=4としたときに最も高いTPS（32.25）を記録し、Speculative Decoding無しの18.90を上回った。GPT-4oスコアはベースラインの4.03とほぼ同等で、性能劣化は見られなかったとしている。
ELYZAの社内勉強会資料として、Reasoning Modelの仕組みと、推論時に計算資源を増やすことで性能が向上する「Inference Time Scaling」の意味が解説されている。OpenAIはo1で、思考時間を長くするほどスコアが一貫して改善する結果を示したとされる。ELYZAはMCTSによる推論パス探索で約15万件の合成データを生成し、ELYZA-Thinking-1.0の開発に用いた。
Mistral AIは、LLM as a Judge方式でRAGシステムを評価する方法を解説し、評価枠組みとしてRAG Triad（Context Relevance、Groundedness、Answer Relevance）を挙げている。RAG Triadは検索された文書と回答の両方を評価でき、検索と生成の双方を端から端まで評価するのに役立つとされる。同社APIのカスタム structured outputs を使えば、評価基準とスキーマを定義し、機械可読な形式でスコアを出力できる。