論文紹介 LLMベンチマークテストはハックされている(だから独自のテストを作ろう)
LLMのベンチマークスコアが不当に高くなる原因である「学習データへのテスト混入」や「出題パターンの暗記」の実態を解説します。静的テストの限界を指摘し、モデルの真の実力を測るための「動的テスト」や「独自の非公開テスト」を作成する重要性と具体例を紹介しています。
論考
論文紹介 
論考 AIが自律的に攻撃する──マルチエージェント構成が変えるサイバー攻撃の構造(とMythos)
LLMエージェントが自律的にサイバー攻撃を実行する時代が到来した。マルチエージェントの役割分業構造、エージェント間信頼の悪用、GTG-1002インシデント、そしてClaude Mythosが示した前提の反転まで、最前線の変化を解説する。
論考 AIに言語化を託すな
言語化をAIに任せると、理解は表面的になり、思想は均質化し、言語化する人との差は開く一方です。LLMは自分の言語化の一歩先を見せてくれるツール。だからこそ、言語化を手放してはいけません。
ローカルLLM Small Language Modelの限界
大規模言語モデルと小規模言語モデルの間に存在する決定的な能力差は、知識の量ではなく、複雑な情報を処理するための物理的な構造の違いに起因します。小規模なモデルでは内部空間の制約により概念同士が干渉しやすく、論理的な推論や複数の指示を同時に守るタスクにおいて構造的な限界を迎えてしまいます。本記事では、学習データの量では解決できないモデルの容量不足がもたらす思考力や自己監視能力への影響について解説し、なぜ特定の高度なタスクが大規模モデルにしか実行できないのかを明らかにします。
論考 目と耳を持ったAIは、ビジネスをどう変えるか
2025 年から 2026 年にかけて AI は LLM から LMM へ進化しビジネス構造を再定義します。目と耳を持つ AI が製造業や小売業でどのように ROI を実現するか。成果報酬型プライシングやエッジ AI 戦略、日本企業の勝ち筋を徹底解説。デジタルから物理空間へ活動領域を拡張する AI の最新動向と導入事例をまとめました。
ローカルLLM ローカルLLMに備えろ
プロプライエタリモデルとローカルモデルのメリットとデメリットを比較し、ローカルLLMの性能が今後向上していくことを見込んで、ローカルLLMを推しています。
論考 今はAIバブルか その崩壊の先に生き残るもの
2026年現在のAI市場は全面的なバブル崩壊ではなく、本物が選別されるフェーズにあります。ただのチャットボットが淘汰され、自律エージェントや特化型AIだけが生き残る理由と未来の生存戦略を、金融知識がなくても分かる技術的な視点で解説します。
論考 なぜLLMの革新的な技術は実際のLLMに反映されないことが多いのか
革新的なLLM技術がなぜ実際のモデルに反映されないのか、その背景にあるハードウェアの制約、記憶能力の課題、経済的リスクという3つの要因を解説します。トランスフォーマーへの依存構造と、今後のハイブリッドモデルへの展望について論じています。