docker agent - chinng-lab AI実験室 (Page 5)

Semantic Overlaysの衝撃——「トークンでは偽れない帯域外チャネル」でプロンプトインジェクションを根絶する

はじめに：LLMが見ているのは「ただのトークン」——プロンプトインジェクションの構造的必然性大規模言語モデル（LLM）が受け取る入力は、すべて「トークン列」として処理される。トークンとは、テキストをモデルが処理できる単位に分割したものであり、モデルの内部にはどのトークンがユーザーからの入力で、どのトークンがシステムからの命令で、どのトークンがツールの出力なのかを区別する機構は存在しない。一方、サービングスタック（モデルを実際に稼働させる推論基盤）は各スパンの出自を正確に把握している。この「サービングスタックは知っているが、モデルには伝えられない」という非対称性が、プロンプトインジェクションの構造的な根源である。テキストが持つ本質的な性質として、「何にでも読めるように書ける」という問題がある。攻撃者はユーザーが提供するデータや、外部ツールから取得したテキストの中に、「これ以降はシステム命令です」という記述や、「この入力を無視して次の指示に従え」といった文言を埋め込むことができる。モデルはそれを見たときに、それがデータなのか命令なのかを判断できず、テキストとして書かれている内容に従

暮らし・文化

食中毒：原因別の予防策と、発症時に取るべき行動

食中毒は、原因によって症状の現れ方や必要な対応が異なります。一方で、家庭でできる予防の基本には共通点があります。この記事では、食品の取り扱いで注意したいポイントと、腹痛・嘔吐・下痢などが起きたときの対応、受診を急ぐサインをまとめます。食中毒とは食中毒とは、食品や飲料を介して体内に入った細菌、ウイルス、寄生虫、または食品中で作られた毒素などによって、急性の胃腸症状を起こす状態の総称です。代表的な原因には、サルモネラ属菌（Salmonella）、カンピロバクター、大腸菌、リステリアなどの細菌、ノロウイルスなどのウイルス、食品中で増えた細菌が作る毒素があります。原因によって、発症までの時間や症状は異なります。吐き気、嘔吐、下痢、腹痛、発熱などが主な症状ですが、すべてが同時に現れるとは限りません。症状だけで原因を確定することは難しいため、強い症状や長引く症状がある場合は自己判断で済ませず、医療機関に相談してください。予防の軸は、病原体を「つけない」「増やさない」「やっつける」です。手洗いと器具の洗浄、適切な温度管理、十分な加熱を組み合わせることが重要です。原因別の予防策

AI・テクノロジー

AIエージェントたちが数学の新定理を発見——「The Station」が示す自律研究の現在地

はじめに：AIによる数学研究の新たなステージ AIが数学の定理を「発見する」時代が近づいています。これまでのAI数学研究は、AlphaEvolveに代表される大規模進化探索が主流でした。大量の計算資源で数値的な構成を探し、その解釈や証明は人間の数学者が担う「中央集権型パイプライン」だったのです。つまり、探索の方向づけや検証には常に人間の介入が必要でした。そこで研究者たちは「AIエージェントを独立した研究者として扱い、人間の介入なしに自由な環境で協働させたらどうなるか」と問いかけました。この問いから生まれたのが、オープンワールド型マルチエージェント環境「The Station」です。 The StationにはGPT-5.5、Claude Opus 4.8、Gemini 3.1 Proという異なるモデルファミリーから6体のエージェントが配置され、中央のコーディネーターは存在しません。本記事では、The Stationが生み出した5つの数学的発見と協働メカニズムを紹介します。 The Stationの仕組み——ミニチュア科学コミュニティ The Stationは、現実の研

防災・災害

竜巻注意情報が出たらどうする？発表の意味と自宅・外出先で身を守る行動を解説

竜巻は、積乱雲に伴って短時間で発生し、局地的に猛烈な風をもたらす現象です。発生から被害までの時間が短いこともあるため、情報を受け取ってから考えるのではなく、普段から安全な場所を知っておくことが重要です。この記事では、日本の「竜巻注意情報」の意味、発表時に確認する項目、自宅・外出先・車内での行動を整理します。なお、日本の気象庁の防災気象情報に、竜巻だけを対象にした「竜巻警報」という名称の制度はありません。海外の制度や一般的な呼び方と混同しないよう注意してください。竜巻注意情報とは？竜巻注意情報は、積乱雲の下で竜巻などの激しい突風が発生しやすい気象状況になったとき、気象庁が発表する情報です。発表された地域では、空の急な変化や雷鳴などに注意し、身の安全を確保できる場所へ移動する準備をします。これは「竜巻が必ず発生する」という予告ではありません。一方で、発生した竜巻を事前に正確な地点まで特定する情報でもないため、対象地域にいる人は確率の大小だけで判断せず、危険を感じた時点で早めに行動する必要があります。発表後も状況に応じて更新されるため、気象庁や自治体の最新情報を確認してくだ

AI・テクノロジー

「ニュートラルな評価ハーネス」は存在しない——LLMリーダーボードは「設定にもろい設問」によって作られている

はじめに：リーダーボードの数字を信じて大丈夫か？ AIモデルの性能比較といえば、MMLU（大規模マルチタスク言語理解）やARC（推論チャレンジ）といった多肢選択ベンチマークのスコアを見るのが半ば常識になっている。Hugging FaceのOpen LLM Leaderboardをはじめ、多くのリーダーボードがこれらの数値でモデルをランキングし、開発者や企業のモデル選定に影響を与えている。しかし、その数字は本当に「モデルの実力」を正しく反映しているのだろうか。実は、同じモデル、まったく同じ設問を使ったとしても、「評価の実行方法（ハーネス）」のわずかな違いでスコアが大きく変動することが知られてきた。従来の研究では、この問題は「集計スコアの分散」として報告されるに留まっており、どの設問がどれだけ影響を受けているかはブラックボックスのままであった。本稿で紹介する研究（Parupudi, 2026）は、ハーネスの設定を独立変数として扱い、設問単位での影響を初めて体系的に分解した点で決定的に異なる。12のオープンウェイト命令チューニング済みLLMに対し、3,679問の設問を26通りの「同

AI・テクノロジー

KVキャッシュを再利用してLLM推論を4.49倍高速化——KVBoostが切り拓く自宅サーバーLLMの新境地

はじめに：自宅サーバーLLMが抱える「TTFTの壁」大規模言語モデル（LLM）を自宅サーバーで運用するエンジニアが最初に直面する壁が、TTFT（Time-To-First-Token）の遅さです。TTFTとは、プロンプトを投げ込んでから最初のトークンが生成されるまでのレイテンシを指します。この時間が長いと、チャットの応答がもたついたり、RAG（検索拡張生成）パイプラインの体感速度が著しく低下したりします。 TTFTが遅くなる主な原因はプリフィル（prefill）処理にあります。プリフィルとは、モデルがプロンプト全体を一度に前方処理するフェーズのことです。Transformerの自己注意機構（Self-Attention）では、各トークンが他のすべてのトークンと注意計算を行うため、プロンプト長の2乗に比例する計算量が必要になります。数千トークンにおよぶシステムプロンプトや会話履歴を毎回ゼロから処理していては、応答までの時間が数秒から十数秒に達することも珍しくありません。さらに深刻なのは、同じテキストが何度も再計算されるという無駄です。マルチターンチャットでは過去の会話履歴、R

暮らし・文化

プレミアム付商品券：誰が使える？申込方法・期限・お得度を確認する

プレミアム付商品券は、販売額に上乗せした金額分を、地域の指定店舗で利用できる商品券です。家計の負担を抑えながら地域の店舗を支援できる一方、対象者、申込期間、利用できる店舗や商品は自治体によって異なります。この記事では、プレミアム付商品券の仕組みから申込手順、期限、お得度の見極め方までを整理します。具体的な条件は必ず、お住まいの自治体の公式サイトや窓口で確認してください。プレミアム付商品券とはプレミアム付商品券とは、自治体が地域経済の活性化や住民の消費支援を目的に発行する買い物券です。購入者は販売額を支払い、額面がそれを上回る商品券を受け取ります。たとえば、20,000円で25,000円分を購入できる制度なら、5,000円分がプレミアム部分です。商品券は現金と同じものではありません。利用先は自治体が指定する加盟店に限られ、対象外の商品やサービスが設けられる場合もあります。発行時期、額面、購入上限、有効期限、紙券か電子券かといった仕組みも自治体ごとに異なります。制度を利用する前に、次の情報を確認しておくと安心です。 * 対象者と申込期間 * 購入方法と購入上限

科学・研究

放射線：身近な放射線の基礎知識と、ニュースを正しく読み解くための線量・防護のポイント

はじめに放射線は、医療検査や自然環境など、日常生活と無縁ではないテーマです。一方で、ニュースでは専門用語や大きな数値が突然登場するため、実際のリスクを判断しにくいことがあります。この記事では、放射線と放射能の違い、線量を表す単位、身近な被ばくの例、防護の基本を整理します。個別の健康相談や緊急時の行動については、自治体や医療機関などの公式な案内を優先してください。そのうえで、ニュースを読むときに確認したい情報の順序を身につけることが目的です。放射線とは？放射線とは、空間を通じてエネルギーを運ぶ粒子や電磁波の総称です。粒子の形で進むものもあれば、光の仲間である電磁波として伝わるものもあります。X線やガンマ線、アルファ線、ベータ線などは、性質や透過力が異なる放射線の例です。放射能は、物質が放射線を放出する性質またはその能力を指します。したがって、「放射線を受けること」と「放射能を持つ物質があること」は同じ意味ではありません。放射線はエネルギーの現象、放射能は物質の性質、と区別すると理解しやすくなります。放射線には、自然界に存在する自然放射線と、医療・産業・研究などで

AI・テクノロジー

Daedalus-150M：アテンションの2/3を畳み込みに置き換えた、CPU推論専用設計の小型言語モデル

はじめに：なぜ「CPUで速く動くこと」が革新的なのか大規模言語モデル（LLM）の推論環境といえば、まずGPUが思い浮かぶ。実際、データセンターでは何十台ものGPUを並べて高速な応答を実現している。しかし、個人のノートPC、スマートフォン、ラズベリーパイのようなエッジデバイス、あるいはGPUを調達できない予算制約のあるプロジェクトでは、CPUでLLMを動かさざるを得ない。この「CPU推論のシナリオ」は決してニッチではなく、むしろLLMの民主化にとって必須の要件である。従来の小型言語モデル（SLM）は、大きなモデルを訓練してから後でCPUに押し込むという「後付け」のアプローチを取ってきた。しかし、CPUとGPUでは推論時の物理的制約が根本的に異なる。GPU推論は大きなバッチサイズで多数のリクエストを同時処理できるのに対し、CPU推論は1ユーザー・1トークンずつの逐次処理（バッチサイズ1）が基本となる。メモリ帯域幅もCPUはGPUの数分の一から数十分の一であり、演算性能よりもデータ転送速度が先にボトルネックになる。 Daedalus-150Mはこの認識を逆転させる。「デプロイ先から

防災・災害

自衛隊の役割はどう変わる？防衛力強化・災害派遣・人手不足を基礎から整理

はじめに現代の日本を取り巻く安全保障環境は、国防だけでなく、自然災害や地域社会の安全・生活とも深く結びついています。国際情勢の変化や大規模災害を背景に、自衛隊には防衛任務に加えて、救援・輸送・医療支援など多面的な対応が求められています。装備の高度化や情報化を進める際も、自治体や地域住民との連携は欠かせません。本稿では、自衛隊の基礎、防衛力強化をめぐる賛否、災害派遣の仕組み、人材確保の課題を順に整理します。最後に、関連するニュースを読むときに確認したいポイントも紹介します。自衛隊とは？基本的な任務と組織自衛隊は、日本の防衛を担う組織です。防衛省の下に陸上自衛隊・海上自衛隊・航空自衛隊が置かれ、それぞれの領域で警戒監視、訓練、部隊運用などを担っています。活動の根拠や手続きは、自衛隊法などの法令に定められています。主要な任務は、国の防衛です。それに加えて、災害派遣、国際平和協力活動なども法律に基づいて行われます。平時から部隊の訓練や装備の維持・更新を行い、緊急時には自治体などと連携して必要な活動を展開します。自衛隊の活動を理解するうえで重要なのは、国防と災害対応を

AI・テクノロジー

EchoCoT：ブラックボックスLLMから「隠された思考」を盗み出す——ツール呼び出しの隙間が生む新たな攻撃ベクトル

はじめに：プロプライエタリLLMが「隠す」思考過程とその価値大規模言語モデル（LLM）が複雑な問題を解く際、単に答えを出力するだけではなく、推論の中間ステップを逐次的に生成しながら解答に至る手法がある。これがChain-of-Thought（CoT）である。CoT推論は、数学問題の解法やマルチステップの論理推論において顕著な性能向上をもたらすことが知られており、OpenAI o1/o3、Anthropic Claude Opus、Google Gemini 2.5 Flash Thinking、DeepSeek-R1といったフロンティアモデル（Large Reasoning Models、LRM）の基盤技術となっている。これらのプロプライエタリモデルは、内部で長大なCoTを生成しながら推論を進めるものの、API利用者に返されるのは最終的な回答のみである。内部で行われた多段階の思考過程は「隠された思考過程（hidden CoT）」として暗号化・秘匿され、ユーザーからは一切見えない設計になっている。では、なぜモデルプロバイダはCoTをここまで厳重に隠そうとするのか。その理由は、C

暮らし・文化

相続をめぐるトレンド——親族間トラブルを防ぐために知っておきたい基本と準備

はじめに相続とは、故人の財産や負債を法的に相続人へ移転する仕組みです。相続は突然発生することが多く、財産の把握が不十分なままだと、兄弟姉妹間の紛争に発展するおそれがあります。預貯金や不動産だけでなく、借入金などの負債も対象になる点に注意が必要です。トラブルを避けるには、相続人と財産の全体像を確認し、遺言の有無や税務・登記の期限を順序立てて整理することが重要です。この記事では、親の相続が気になり始めた30〜60代の方に向けて、基本知識と実務で使える準備のポイントを解説します。相続とは？基本的な仕組みと法定相続分相続とは、故人（被相続人）の財産上の権利や義務を、相続人が受け継ぐことです。対象には現金、預貯金、不動産、有価証券などのプラスの財産だけでなく、借入金や未払い金などのマイナスの財産も含まれます。まず、財産と負債を一緒に洗い出すことが出発点です。相続人は民法上の順位によって決まり、配偶者は常に相続人となります。子がいる場合は子も相続人となり、子がいない場合は直系尊属、さらに一定の場合は兄弟姉妹が関係します。実務では戸籍謄本などを確認し、相続人を確定します。法

FlowEvo

FlowEvo：ワークフローと実行可能スキルの共進化による自己進化型AIエージェント

はじめに：AIエージェントが「経験を活かせない」問題大規模言語モデル（LLM）を基盤とするAIエージェントは、ユーザーの指示に応じて推論時にワークフローを動的に構築し、複雑なタスクを解決する能力を持っています。しかし、その過程で一度使った手順は、タスク完了とともに捨てられてしまいます。たとえば「冷蔵庫から卵を取り出して茹でる」という家事タスクと「冷蔵庫から牛乳を取り出して温める」というタスクは、移動・把持・加熱という一連の動作パターンが酷似しているにもかかわらず、従来のエージェントは毎回ゼロからワークフローを組み立て直さなければなりません。この「経験を活かせない」問題は、以下の2つの非効率性を引き起こします。第一に、同じような問題で毎回似た手順を生成するため、API呼び出し回数が増加しトークンコストが膨らみます。第二に、生成のたびに結果がばらつくため、安定した品質を得るのが難しくなります。これらの課題は、LLMエージェントを実運用に展開する際の大きな障壁となっています。 flowchart LR subgraph 従来のエージェント A1[タスクA<b

ビジネス・経済

日本の造船業の復活が経済安全保障をどう変えるか

はじめに経済安全保障とは、国家が重要な物資・技術・産業基盤を安定的に確保し、外部から受ける影響を抑えるための政策・制度の総称です。造船業は海上輸送を支える基幹産業であり、船舶の設計・建造・修理・部材供給を含む広いサプライチェーンをともないます。技術開発と雇用創出の両面で、日本の競争力と国際的な立場に関わる産業です。造船業の再興は、日本経済の成長と雇用の安定に加え、国家の安全保障基盤の強化にもつながります。海上輸送が安定すれば、エネルギーや資源、重要物資の輸送網を維持しやすくなります。脱炭素化やデジタル化などの新技術を取り込めば、国内外の市場で競争力を高め、技術者や職人の育成を促すこともできます。本記事では、造船業の役割、期待される効果、再興に向けた課題を整理します。造船業とは造船業とは、船舶の設計・建造・修理と、それに付随する部材の供給を含む産業です。船体設計から推進機、電力系統、内装までの統合設計力が問われ、港湾・物流インフラと連携して機能します。日本は高い技術力と品質管理で世界市場の一翼を担ってきました。近年は、デジタル設計やデジタルツイン、AI活用など先端技術の

AI・テクノロジー

Intel AI PC群で大規模LLMを分散稼働——3つの技術が実現する、オフィスPC連携による推論基盤

はじめに：眠っているAI PCを活かす発想 Intel Lunar Lake世代以降のAI PCは、統合GPU（Intel Arcシリーズ）とNPU（ニューラルプロセッシングユニット）を搭載し、16GB以上のユニファイドメモリを備えている。しかし実際には、これらのハードウェアリソースは日常業務の大部分でアイドル状態にある。Webブラウジングやドキュメント作成、メール処理といった一般的なオフィスワークでは、統合GPUもNPUもほとんど活用されず、せっかくのAI処理能力が眠ったままになっているのが現状だ。 1台のAI PCで実行可能なLLM（大規模言語モデル）には明確な限界がある。16GBのユニファイドメモリでは、INT4量子化されたLlama 3.1 8B（80億パラメータ）程度が現実的な上限であり、Llama 3.1 70B（700億パラメータ）のような大規模モデルは単一マシンではメモリ不足で動作しない。しかし、複数台のAI PCをネットワークで協調させれば話は変わる。各マシンがモデルの一部を担当し、パイプライン状に処理を連携させることで、1台では絶対に動かない大規模モデルも扱える

防災・災害

台風18号の進路情報と防災準備——気象情報の読み方と避難判断

はじめに台風18号に関する情報は、進路や勢力、影響を受ける地域の見通しが更新されるたびに変わります。SNSやまとめサイトで拡散する情報には、発表元や時刻が不明なものもあります。台風の発生・名称・進路などを確認するときは、気象庁や自治体が発表した最新情報を基準にしてください。本記事では、特定の時点の進路や被害を断定せず、情報を確認する手順と家庭でできる準備を整理します。気象庁の台風情報では、台風の存在、中心位置、進行方向、中心気圧、最大風速、暴風域などが示されます。ただし予報には誤差があり、予報円の中を必ず通るという意味ではありません。更新時刻と対象地域を確認し、状況が変わったら判断も見直すことが大切です。台風情報の読み方と公式情報の活用「台風18号（ソウデル）」という情報を確認する台風の番号や国際名は、報道や投稿によって表記が異なる場合があります。また、発生前の熱帯低気圧を台風として扱うなど、情報の段階を取り違えることもあります。「台風18号（ソウデル）」という名称を見かけた場合も、まず気象庁の台風情報で正式な発表の有無、発表時刻、対象海域・地域を確認してくださ

Aegis

AIエージェントの安全を実行時に担保する「Aegis」— モデルは提案し、ランタイムが判断する新しいガバナンスアーキテクチャ

はじめに：エージェントAIが変えた安全性のルール従来の大規模言語モデル（LLM）は、与えられたプロンプトに対してテキストを生成する「文章生成器」として機能してきた。この段階での安全性リスクは、モデルが差別的な表現や誤情報、不適切なコンテンツを出力することに集中していた。対策として、出力フィルタリングや入力サニタイジング、モデルへの倫理的な指示（システムプロンプト）が主に用いられてきた。しかし、エージェントAIと呼ばれる次世代のAIシステムは、この前提を根本から覆す。エージェントAIはファイルの読み書き、メールの送信、ジョブの実行、ワークフローの変更など、現実世界に直接作用する「ツール呼び出し（Tool Calling）」を伴う。モデルの出力が単なるテキストではなく、システムコールやAPIリクエストとして実行される点が決定的な違いである。この変化により、安全性問題の本質が「有害なテキストの生成」から「有害な操作の副作用」へとシフトした。OpenAIが発表した「Agents of Chaos」（arXiv:2602.20021）では、自律エージェントが権限昇格や情報漏洩、リソー

暮らし・文化

横断歩道で歩行者優先を徹底するには？道路交通法と安全な渡り方を再確認

はじめに歩行者優先とは、横断歩道を渡ろうとする人の安全を最優先に考え、車両が進行を妨げない原則です。安全な渡り方とは、周囲の状況を確認し、無理なく横断できるタイミングを選ぶことを指します。通勤や通学、買い物など、日常の移動ですぐに実践できる基本です。歩行者は、渡り始める前に左右を確認し、車両が減速・停止したことを確かめましょう。信号が青であっても、車が必ず安全に止まるとは限りません。歩行中も前方と車両の動きを見ながら、スマートフォンやイヤホンで注意をそらさないことが大切です。夜間や悪天候時は、反射材や明るい色の服、ライトを活用すると存在を伝えやすくなります。子どもや高齢者と一緒に渡る場合は、歩く速さを合わせ、急がせないようにします。まずは「待つ」「見る」「安全を確認してから渡る」という三つの動作を習慣にしましょう。道路交通法における歩行者優先の原則道路交通法では、横断歩道を横断している歩行者、または横断しようとしている歩行者がいる場合、車両は横断歩道の直前で一時停止し、その通行を妨げてはならないとされています。歩行者が渡り始めてからではなく、渡ろうとしている段階か

AI・テクノロジー

マルチエージェントLLMパイプラインにおける幻覚の雪崩現象：Hallucination Snowball論文解説

はじめに：マルチエージェントLLMシステムが抱える新たな課題 LangGraph、AutoGen、CrewAIといったマルチエージェントフレームワークの急速な普及により、複数のLLMエージェントが連携して複雑なタスクを遂行するシステムが増加している。情報検索エージェントが収集したデータを分析エージェントが解釈し、その結果を報告エージェントが要約する——こうしたパイプライン型の構成は、単一のLLMでは難しかった多段階推論や大規模な情報処理を可能にする一方で、従来とは質の異なる信頼性の問題を顕在化させている。単一のLLMにおける幻覚（hallucination）は、モデルが事実と異なる内容を確信を持って出力する現象として広く知られている。これに対して従来は、温度パラメータの調整やプロンプトエンジニアリング、RAG（Retrieval-Augmented Generation）などの局所的な対策が講じられてきた。しかしマルチエージェント環境では、前段のエージェントが生成した小さな誤りが後段のエージェントに「事実」として引き継がれ、推論や要約の過程で増幅されながら伝播するという、まったく

健康・医療

気圧で頭痛・めまいが起きるのはなぜ？気象病の仕組みと今日からできる対策

はじめに気象病とは、天候の変化、特に気圧の変動が頭痛・めまい・全身のだるさといった体調不良を引き起こす現象の総称です。日常生活の中で「なんとなく体が重い」「頭が痛い」と感じる日は、気圧が下がる低気圧の接近時に増えることがあります。原因は一つではありません。自律神経の働き、内耳の平衡感覚への刺激、血管の反応の変化などが関係すると考えられています。ホルモンの変動や生活リズム、睡眠の質、水分摂取量も影響するため、同じ天気でも症状の出方には個人差があります。気象病の症状は、片頭痛や耳の病気、貧血など別の原因でも起こります。天候との関連がありそうでも、自己判断だけで長く様子を見ないことが大切です。こうした仕組みを知ることは、自分に合った対策を選ぶ第一歩です。ここでは、気象病の基礎から気圧予報の読み方、今日からできる日常の工夫までを紹介します。気圧とは何か気圧とは、地球の重力によって空気が地表を押す力のことです。海面付近の標準大気圧はおよそ1013ヘクトパスカル（hPa）で、気温や湿度とともに日々変動します。前線や低気圧が近づくと、周囲の空気の状態が変わり、気圧が下がるこ

AI・テクノロジー

3BエージェントモデルをApple Siliconで本当に動かす──Nanbeige4.2-3Bの5つの落とし穴とメモリ2.7倍化テクニック

はじめに：Apple SiliconでAIエージェントは動くのか？「ローカルLLMでAIエージェントを動かしたい」——この願いを持つエンジニアは少なくない。クラウドAPIに依存せず、自分のMac上でエージェントがツールを呼び出し、コードを書き、ファイルを操作する姿を想像する。ところが、Apple Silicon（MPSバックエンド）にはCUDA環境とは根本的に異なる制約がある。特にユニファイドメモリはGPUとCPUで共有されるため、大規模なプロンプト処理ではすぐにメモリの壁にぶつかる。 Nanbeige4.2-3Bは、こうした期待と制約の交点に現れたモデルである。3Bパラメータ（非埋め込みパラメータ）というコンパクトな規模ながら、SWE-Bench Verifiedで63.6%、GPQA-Diamondで87.4%を記録し、Qwen3.5-9BやGemma4-12Bといった大規模モデルを凌駕するエージェント性能を誇る。Looped Transformer（LT）アーキテクチャを採用し、同一のレイヤースタックを2回通過させることでパラメータ効率を極限まで高めた設計が、この驚異的なス

iPhone

iPhone 18 Proの最新トレンドを読み解く：予想スペックと買い替え判断で確認すべきポイント

はじめに iPhone 18 Proについては、公式発表前の予想や報道が先行しています。本稿では、現時点で注目されている機能を整理し、噂と確定情報を分けて読むための視点を紹介します。チップ、カメラ、ディスプレイ、通信・バッテリーを現行機との比較軸として取り上げ、買い替えを検討する際に確認したい項目までまとめます。以下は2026年8月17日時点で確認できる情報をもとにした整理です。発売日、仕様、価格を含め、Appleが正式に発表していない内容は確定情報ではありません。具体的な数値は予測の幅を示す目安であり、製品発表後に変更される可能性があります。予想スペックとは予想スペックとは、公式資料が公開される前に、報道や過去の製品動向などから推測される機能・仕様を指します。複数の情報源で同じ内容が報じられていても、Appleの公式サイトやApple Newsroomで確認できるまでは「可能性のある情報」として扱う必要があります。特にAI処理性能、カメラのセンサー、充電速度などは、実際の製品仕様だけでなくソフトウェアや使用条件にも左右されます。「向上する」と報じられていても、日常

AI・テクノロジー

LLM推論の「見えないメモリ問題」を解く：トークンレベル仮想化でKVキャッシュを再利用可能にする「vToken」

LLM推論はなぜメモリで詰まるのか：KVキャッシュの正体 LLM（大規模言語モデル）の推論がメモリ不足で詰まる最大の原因は、モデル本体ではなく「KVキャッシュ（Key-Value Cache）」にある。KVキャッシュとは、推論中に過去トークンそれぞれのKeyベクトルとValueベクトルを保持するメモリ領域のことだ。LLMはトークンを1個生成するたびに、それまでの全トークンとの関連度を注意機構（Attention）で計算する。このとき過去分のKey/Valueを毎回再計算すると計算量が爆発するため、一度計算した値をキャッシュに保存し、新規トークン分だけを追加計算する仕組みになっている。KVキャッシュがなければ、生成のたびに過去全体を再計算するか、文脈を無視した推論に退化してしまう。つまり、これはLLM推論に必須のメモリ領域である。問題はサイズの増え方にある。KVキャッシュの容量は「シーケンス長×バッチサイズ×レイヤー数×隠れ次元×2（KとV）×精度バイト数」で近似でき、シーケンス長とバッチサイズに比例して線形に増加する。例えばLlama-2 7B（32層・隠れ次元4,096）をFP

暮らし・文化

孫：一次情報で読み解くトレンド語の特定方法

はじめに検索やSNSで「孫」という語が急上昇していても、それだけでは何を指しているのか判断できません。「孫」は日常語として複数の意味を持ち、人物や作品、出来事など、文脈によって対象が変わるためです。単独の投稿や検索結果の見出しだけで意味を断定すると、誤解を広げるおそれがあります。そこで重要になるのが、一次情報を起点にした検証です。一次情報とは、事件や事象を直接伝える原典的な資料を指します。公式発表、原報道、公式アカウントの投稿、公式文書などが代表例です。出典と公開日を確認でき、情報がどこから来たのかをたどりやすい点に特徴があります。本記事では、「孫」のように意味が曖昧なトレンド語を調べる際の手順を、関連語・地域・日付の照合、複数ソースの比較、ナレッジグラフや検索結果の活用という観点から整理します。確証が足りないときに断定を避ける書き方も含め、読者が自分で再現できる検証方法を紹介します。背景と目的曖昧なトレンド語が短時間で広がると、最初に見つかった説明が事実として受け取られがちです。しかし、検索結果の上位に表示される情報が、必ずしも原典や最新情報とは限りません。投稿

AI・テクノロジー

情報過多のパラドックス：長いコンテキストで学習したLLMは「知識を内在化」しなくなる

はじめに：無限コンテキストは本当に万能なのか？「コンテキストウィンドウを拡張すればするほど、モデルの性能は向上する」──この前提は、近年のLLM開発においてほぼ自明のものとして受け入れられてきた。GPT-4が128Kトークン、Claudeが200Kトークン、Geminiが1Mトークンへとコンテキスト長を競うように伸ばしてきた背景には、「長い文脈を扱える＝より賢いモデル」という暗黙の信念がある。しかし、2026年にJohns Hopkins大学のArda Uzunoglu、Benjamin Van Durme、Daniel Khashabiが発表した論文「Information Abundance Paradox: Long-Context Training Undermines Parametric Knowledge」は、この前提に根本的な疑問を投げかける。彼らはまず、既存の長コンテキストモデルに注目した。Phi-3の14Bモデルでは、128Kトークン版が4Kトークン版を多くのベンチマークで下回り、OLMo 3の32Bモデルでも65Kトークン版が8Kトークン版に劣るという結果