記事一覧

scholia のすべての記事。カテゴリと文字で絞り込めます。

右のカテゴリを選ぶと、そのカテゴリの記事だけを表示します。テーマで探すときはタグから。

日付	題名
2026/11/14	Anthropicの採用責任者がコーディング面接をやめた理由 ── AI時代のエンジニア評価は「書く力」から「成果を出す力」へ
2026/11/14	Microsoft AI「Humanist AI行動規範」ドラフトを読む：MAIモデルは停止に抵抗せず、推論を隠さない
2026/11/14	「電力1Wあたりの性能」とは？ AIインフラの比べ方が変わった理由
2026/11/14	ShadowPrefill：モデルを切り替えるエージェントで、切替先のKVキャッシュを先に温めておく
2026/11/13	Google Cloud「The Future of AI Infrastructure」解説：常時稼働エージェントを支えるTPU・ソフトウェア・実行基盤
2026/11/13	ルールを理解した者だけが自由に動ける ― Microsoft Research Podcast「Learn the rules: The hacker mindset」
2026/11/12	Agent Substrateとは？待機時間の長いAIエージェントを少数のPodで大規模に動かすKubernetesの新しい仕組み
2026/11/12	AI推論の性能は「メモリの使い方」で決まる――NVIDIAが示す、GPUメモリを無駄なく使う5つの方法【まとめ】
2026/11/12	AIエージェントの失敗を改善につなげる――NVIDIA NeMoで、実行トレースから評価とハーネスの修正を作る方法
2026/11/12	AIエージェントの「乱立」を標準仕様で解く：Standard Agent Specificationの全体像
2026/11/12	汎用モデルに焦点を与えるのは人間の専門知識である ― ティム・オライリー「The Bitter Lesson vs. AI Markets for Human Expertise」を読む
2026/11/12	FLUX 3 Image KleinをNVIDIA Blackwellで3〜4倍高速化した方法――量子化・アテンション・キャッシュ・並列化・CUDAグラフ
2026/11/12	Nemotron 3.5 Bolt 74B-A9B：2ビットで24GBに収めた74B MoEモデルの作り方
2026/11/12	NVFP4とは？精度をほぼ落とさずにAIモデルを4ビットにする、NVIDIAの数値形式の仕組み
2026/11/12	NVIDIA CMXとは？KVキャッシュ専用の共有ストレージ階層「G3.5」の仕組みを解説
2026/11/12	NVIDIA DSX OSとは？エラーを出さずに分散学習を遅くするGPUノードを検出する、構成管理・認定・運用の仕組み
2026/11/12	NVIDIA Dynamoとは？LLMのKVキャッシュをデータセンター全体で再利用する推論基盤の仕組み
2026/11/12	NVIDIA Kubernetes Engine（NVKE）とは？GPUクラウド事業者がマネージドKubernetesを自前で提供するためのオープンソース
2026/11/12	NVIDIAがOpenShellをCNCFに寄贈――AIエージェントを安全かつ大規模に動かすKubernetes基盤の全体像
2026/11/12	NVIDIA Snapshotとは？LLM推論サーバーの起動を「数分→数十秒」にする、CPU・GPUメモリのチェックポイント／復元
2026/11/12	NVIDIA Vera CPUとは？1.5TBのメモリとNVLink-C2Cで、AIエージェントの待ち時間中のKVキャッシュを受け持つCPU
2026/11/12	Wide-EPとは？MoEモデルのエキスパートを数十枚のGPUに分散して、メモリと計算を効率化するNVIDIAの方法
2026/11/11	NVIDIAの日本語合成データセット2種：Nemotron Personas Finance JapanとNemotron PII Japan
2026/11/08	AIを吸収する制度はニューラルネットの形をとる：Evans & Weyl「In the image of their tools」
2026/11/08	AI時代に伸びる思考者の条件 — Google Researchトップヨッシ・マティアスの視点
2026/11/08	AIラボは囲い込むか、置き換えるか：Nous Research「AI Labs Will Trap You or Replace You」を読み解く
2026/11/08	AIエージェントは失敗を隠す――会話ログを採点して自己改善させる仕組み
2026/11/08	Anthropicはなぜgitを置き換えたのか：エージェント規模のソース管理「Scion」の設計
2026/11/08	AREX-2：試行錯誤のループをモデルの内側へ移す27Bエージェントモデル
2026/11/08	ChatGPTは9億人のリクエストをどう処理しているか
2026/11/08	スタンフォードCS146Sに見るAIコーディング開発の現在地
2026/11/08	EmbeddingGemma 2とGemma 4 12Bで作るビデオRAG
2026/11/08	小さく当てて大きく渡す：親ドキュメント検索・GraphRAG・RAPTOR
2026/11/08	リーナス・トーバルズが語ったLinux 35年：パッチ、Git、退屈なカーネル、AIレビュー
2026/11/08	エージェントが書いたコードを証明で縛る──Microsoft Research「PDD Kit」の仕組み
2026/11/08	マンバ・メンタリティとは何か――コービー・ブライアントの練習哲学
2026/11/08	ソフトウェアエンジニアリングは「ファクトリーエンジニアリング」になる ― Warp Zach Lloyd氏の講演を読み解く
2026/11/05	AIで個人は100倍速くなるのに、なぜ企業は速くならないのか
2026/11/04	AI・GPUワークロードのPrometheus監視：gpu_utilの先を見る
2026/11/04	通信網は分散AI基盤になる：NVIDIA GTC Berlin 通信セッションの要点
2026/11/04	AIエージェントを予測可能にするグラフエンジニアリング
2026/11/04	誰がソフトウェアファクトリーを検証するのか：1日3万マージ時代のコードレビュー
2026/11/04	企業が自社モデルを訓練する時代の実装ロードマップ：Will Brown講演の解説
2026/11/03	NVIDIA Dory 1.0 4Bの仕組み：ループ型Transformerはパラメータを増やさず計算量を増やす
2026/11/01	AIエージェントのためにOfficeを作り直す ― Compound AIの講演から読む金融エージェント基盤
2026/11/01	オープンモデル自社運用でAIコーディング費用を1/10に：Revolutの事例と他社比較
2026/11/01	Ghostty作者の新ターミナル「Rex」とは｜Ghosttyとの違い・tmuxとの比較・入手方法
2026/11/01	Microsoft Entra 条件付きアクセスの「ポリシープラン」解説（プレビュー）
2026/11/01	『ミクロ経済学入門の入門』を読む：市場はどこまでうまく働き、どこで失敗するか
2026/11/01	NVIDIA OpenShell入門：AIエージェントを隔離して動かすランタイムの仕組み
2026/10/31	使うほど賢くなるエージェントのつくり方――モデル・ハーネス・コンテキスト
2026/10/30	AIは「おすすめ」では動かず、「失敗する」と書くと動く――『AX Practitioner Playbook』の学び
2026/10/30	FDEは「凄腕の個人」から「チーム」へ──Microsoftの論考「FDEの24か月の進化」を読んで
2026/10/30	むずかしいことをやさしく――井上ひさし「む、や、ふ、ゆ、ま」に学ぶ伝える技術
2026/10/25	GitHubのアーキテクチャ刷新とAzure移行を解説｜AIエージェントで書き込み5倍、Git基盤を保存と計算に分ける
2026/10/21	NVIDIA GTC Berlin 2026基調講演まとめ｜DSX POD・OpenShell・フィジカルAIの発表を解説
2026/10/18	AIエージェントのハーネスを自動で改良する方法｜機能と安全性を両立させる「Harmony Harness」論文を解説
2026/10/18	【書評・要約】The Thinking Machine（Stephen Witt）｜ジェンスン・フアンとNVIDIAの歩み
2026/10/17	ゼロ知識証明とは？計算結果を「確かめる」技術をやさしく解説｜Microsoft Magnetar（zkVM）
2026/10/12	【書評・要約】Call Sign Chaos（ジェームズ・マティス）｜混沌の中で判断する5つの段階
2026/10/11	【書評・要約】The Algorithm（Jon McNeill）｜テスラ元社長の「なぜ必要か」を問う5ステップ

分類