深掘り
仕組みそのものに踏み込んだ記事。読まなくても手は動きますが、分かると面白いところ。
34本。カテゴリはバラバラですが、同じ関心で並べています。
- ミディアム誤字脱字があっても、AIは文脈の中で意味を把握していたLLMと自然言語深掘り
- ミディアムChatGPTにジョークを1008回頼むと、9割が同じ25個だったLLMと自然言語深掘り
- ミディアムロボットが速く走れるようになった理由と、頼まれた作業をこなせるようになった理由は別だった——100mでボルト超えは強化学習、ことばの理解はLLMロボット深掘り
- ミディアムOpenAI・Anthropic・Metaのモデルが、試験環境から抜け出して実在の企業を攻撃した——2026年夏、5週間に3件の公表エージェントと人類深掘り
- ミディアムAIの反乱を描いた文章を学習データで増やすと、モデルは逸脱する側を選ぶようになった——69億パラメータでの測定エージェントと人類深掘り
- 日本が540億円を投じた「第五世代コンピュータ」が数えていたのは、計算の回数ではなく推論の回数だったコンピュータ史深掘り
- ミディアム小さいLLMも「平社員が社長を解雇した」はあり得ないと知っていた——ただし言葉で聞くと、答えられなかったLLMと自然言語深掘り実践日本語処理手元で測る
- ミディアム「社長が部長を解雇した」と「部長が社長を解雇した」が、ほとんど同じ文として扱われた——語順も助詞も、意味ベクトルには残らなかったLLMと自然言語深掘り実践日本語処理手元で測る
- ミディアム「走る」も「走った」も「走」から始まっていた——LLMの区切り方は、日本語と英語で正反対だったLLMと自然言語深掘り日本語処理手元で測る
- ミディアム「飲んではいけない」が、「飲んでよい」の検索で1位になった——否定は、意味ベクトルをほとんど動かさなかったLLMと自然言語深掘り実践日本語処理手元で測る
- ミディアム「喜ぶ」と「嬉しい」は、品詞が違うのに近かった——名詞・動詞・形容詞の区別は、意味ベクトルに残っていなかったLLMと自然言語深掘り実践日本語処理手元で測る
- ミディアムLLMの「層」とは何か——器は設計者が決め、中身は誰も決めていないLLMの仕組み深掘り
- ミディアムオセロのルールを教わっていないのに、モデルは盤面を持っていた——次の一手を当てる訓練だけで、状況の表現が立ち上がったLLMと自然言語深掘り
- ミディアムCUDAとは何か——GPUの1万個のコアへ、仕事を割り振る仕組みLLMの仕組み深掘り
- 売上の9割がAI向けに——GPUが世界一の商品になるまでLLMの仕組み深掘り
- 賢い数人より、単純な2万人——LLMがGPUを必要とする理由LLMの仕組み深掘り
- ミディアム犬と猫は、思ったほど近くなかった——意味ベクトルで測ると、犬に近いのは牛・馬・豚だったLLMと自然言語深掘り実践手元で測る
- ミディアムクジラのほうが、人間より哺乳類だった——意味ベクトルが見ているのは、分類ではなく使われ方LLMと自然言語深掘り実践手元で測る
- ミディアム「犬」と「いぬ」は、別の語として扱われている——表記を変えるだけで、意味ベクトルは遠くなったLLMと自然言語深掘り実践日本語処理手元で測る
- ミディアム人間はチンパンジーよりマグロに近かった——LLMの意味空間は、生き物の分類でできていないLLMと自然言語深掘り実践手元で測る
- ミディアム文法を教わっていないのに、助詞を間違えない——LLMのどこに、日本語の文法は宿っているのかLLMと自然言語深掘り日本語処理
- LLMは日本語を単語に割っていないLLMと自然言語深掘り日本語処理
- 日本語で主語を省くと、椅子が2つ空くLLMと自然言語深掘り日本語処理
- 迎合しないように作られている——Claudeの人格は、誰がどう育てているのかLLM / エージェント深掘り
- 発表間隔は、2年半から月イチへ——LLM以降のAIの歴史、加速の9年LLM / エージェント深掘り
- ブームは、これで三度目——LLM以前のAIの歴史、70年の浮き沈みLLM / エージェント深掘り
- 有名人のことは詳しく、無名な人のことは知らない——LLMの「知っている」の正体LLMと自然言語深掘り
- 読む速さを、書く速さが追い越したとき——エージェントとの大規模開発で学んだことエージェント利用実例実践深掘り
- LLM時代のプログラミング言語——「バイナリでいいのでは？」を検証するLLM / エージェント深掘りエッセイ
- 文字起こしの精度を上げようとして、自分の思い込みが5つ潰れた話LLM / エージェント実践深掘り
- ミディアムAttentionとTransformer——LLMの中で実際に起きている計算LLMの仕組み深掘り
- 自分の資料で、専門特化のエージェントを作るLLM / エージェント深掘り実践
- 言葉が数字になるまで——ベクトルと、意味の学習LLMと自然言語深掘り
- なぜLLMは、こんなに何でもできるのかLLMの仕組み深掘り