Deep Dive

Deep Dive

AIエージェントが「急におかしくなる」本当の理由 — 100万トークンは信頼できるメモリ量ではなかった

6月26日、platform.unoが「Maintaining working memory in AI agents」と題した記事を公開した。AIエージェントのワーキングメモリを6層のマークダウンスタックで管理し、信頼性を維持する実装アプローチについて詳しく紹介されている。

ベクトル検索では「つながり」を辿れない — マルチホップ検索を可能にするナレッジグラフRAGと、グラフベース手法が示す36%の精度向上

プロンプトを直しても治らない — AIエージェントの本当の問題は「何を知っているか」だった

SlackのAI推論基盤がマルチクラウド化で「レイテンシ67%削減」— 特定プロバイダーへの依存をどう切り離したか

ベクトルRAGでは複数エージェントの「会話の文脈」を引き継げない — グラフ構造のメモリ層を加えたら精度38ポイント上がった話

Grabのエージェント基盤「Palana」が示す新発想 — AIエージェントにシークレットを渡さずにAPIを呼ばせる

Perplexityが5万行のPythonをRustに移行できた理由 — 「既存コードが仕様書になる」AIエージェント活用術

200億ベクトルを38チームが利用するHubSpotのベクトル検索基盤 — HelmからKubernetes Operatorへ移行して運用を自動化するまで

既存のREST APIを書き直さずにAIエージェント対応へ — AWSが提案する「薄いラッパー層」でA2A通信を実現する移行パターン

AIエージェントの出力はMarkdownよりHTMLが良い — Anthropicエンジニアが「100行超のMarkdownは読む気を失わせる」と指摘、議論に

93%の組織がAI生成インフラコードで障害を経験済み — 「とりあえずAIに任せる」開発スタイルがアプリだけでなくサーバー構成にまで波及

AIエージェントは追い詰められると「死んだふり」をすることがある

ai-data-base.com

デジタルツイン×世界モデル×Physical AI ── 中国が構築する「現実を学習するAIスタック」の現在地

金融データサイエンス基礎Part 3. ディープラーニングが効かないデータ：スコアリングのための機械学習

第二章　自律型AIエージェントの「思考・行動ループ（Agentic Loop）」

「AIエージェント基盤の構築は色々大変」　Claude Managed Agentsはどう進化しているのか

atmarkit.itmedia.co.jp

torch.nn.Linear が kaiming_uniform_ を使っているのに Kaiming 初期化ではない話

【AWS Summit Japan 2026】AI エージェントが本番まで辿り着かない？越えるべき 4 つの壁

デイトレ自動売買の検証基盤をClickHouseで爆速化し、RAGで「似ている相場」を引っ張ってきた話

AI生成コードの説明責任にガバナンス上の課題--GitLab調査

japan.zdnet.com

プロンプトからループへ、AIコーディングエージェントで人間の仕事はどこに残るのか

xenospectrum.com