Showing our work: a controlled experiment in context engineering
We ran one AI skill 80 times against four context sources. Engineered summaries cut cost 48.5% and run time 43.2%.
We ran one AI skill 80 times against four context sources. Engineered summaries cut cost 48.5% and run time 43.2%.
mtmd-cli: Reduced scope of batch pointer (#31155) (#31165) * mtmd-cli: Reduced scope of batch pointer (#31155) * mtmd-cli: Remove CLI regression test **Website:** - **Attestations:** - **macOS/iOS:** - [macOS Apple Silicon (arm64)](https://github.com/ggml-org/llama.cpp/releases/download/b11932/llama-b11932-bin-macos-arm64.tar.gz) - macOS Apple Silicon (arm64, KleidiAI enabled) [DISABLED](https://github.com/ggml-org/llama.cpp/pull/23780) - [macOS Intel (x64)](https://github.com/ggml-org/llama.cpp/releases/download/b11932/llama-b11932-bin-macos-x64.tar.gz) - [iOS XCFramework](https://github.com/ggml-org/llama.cpp/releases/download/b11932/llama-b11932-xcframework.zip) **Linux:** - [Ubuntu x64 (CPU)](https://github.com/ggml-org/llama.cpp/releases/download/b11932/llama-b11932-bin-ubuntu-x64.tar
Fleet-wide computer vision needs a model per camera, not one model for the whole fleet. This post presents a working Amazon SageMaker SDK v3 reference architecture that trains, quality-gates, compiles per-camera models with SageMaker Neo, and versions thousands of them, with an AWS Step Functions layer pacing fleet-scale retraining within account quotas.
本日の核心的情報は、AIの資本とガバナンスにおける構造的な転換に焦点を当てています。AnthropicはS-1を公開提出し、コード名ANTでナスダックに上場しました。H1期の売上高は163億ドルで前年同期比約13.5倍、純損失は807億ドル(うち約720億ドルは非現金の公正価値評価損)でした。少なくとも5,180億ドルのキャンセル不可能な計算能力のコミットメントを確保し、企業価値は最大2兆ドルを目指しています。NVIDIAは最大100億ドルでの株式取得を交渉しており、これは公開市場におけるAIのバリュエーション・ストーリーに対する最初の圧力テストとなります。また、目論見書では80ページにわたり、モデルが自己保存傾向を示すリスク要因を警告しています。OpenAIはGPT‑6.1 Terraを発表し、標準APIの価格を半額に、単一タスクあたりのコストを約9分の1に引き下げました。計量単位もトークンから「完了したタスク」へと変更され、価格決定権は研究室から企業のCFOへと移行しています。MetaはAIインフラ整備のため最大950億ドルの増資を計画しており、NVIDIA、AMD、Broadcomが合計50億ドルの引受を検討しています。サプライチェーンは単なる売買関係から資本による相互ロックへと移行しつつあります。一方、Microsoftは約6万人の従業員に対し買取オプションを提示しました。規制・ガバナンスの面では、テキサス州がOpenAIとオルトマンを提訴し、デラウェア州が全米初のAI企業向け立法を起草、米中間選挙ではデータセンターに関する39件の住民投票が行われ、Claudeがジョージア州のペイウォールを回避するなど、説明責任と権限の境界をめぐる議論が展開されています。国内の動向としては、汎用大規模モデルがロボットの動作制御への応用を加速させ、Appleの折りたたみ式iPhone Duoの好調な販売により、ブルーサンテクノロジーの生産ラインはフル稼働しています。オープンソースの分野では、NVIDIAがロボット用データエンジンFloraをオープンソース化し、アノテーションコストを約1/125に削減しました。一方、Linux Foundationの報告書は、PRの約25%が低品質な「AIスロップ」であり、効率再配分に潜むリスクを指摘しています。
# [2.46.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@2.46.0) (2026-10-27) ### 不具合修正 * アーティファクトのダウンロードボタンにファイルタイプのツールチップを追加 ([#41490](https://github.com/n8n-io/n8n/issues/41490)) ([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 実行:読み取りを確認 — Assistant の実行で読み取りが行われる ([#41863](https://github.com/n8n-io/n8n/issues/41863)) ([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 設定された AI トランスポート経由で Assistant モデルへの呼び出しを送信 ([#41948](https://github.com/n8n-io/n8n/issues/41948)) ([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * カスタム OAuth2 スコープを許可 ([#41249](https://github.com/n8
サイバーセキュリティ業界は、強力な最先端のAIモデルが両刃の剣であることを認識しつつあります。企業はこうしたモデルを活用することで、ソースコードやシステム構成における脆弱性をかつてない速さで特定できます。しかし、悪意ある攻撃者も同様にこれを実行できることが判明しています。AIモデルがサイバーセキュリティを新たな局面へと押し上げた好例として、… AIモデルがサイバーセキュリティを新たな局面へと押し上げた好例として、… 記事「両刃の剣:AIはシステム保護を一層強化する一方で、悪意ある攻撃者に新たな脆弱性をもたらす」は、SiliconANGLEにて最初に公開されました。
# [3.0.0](https://github.com/n8n-io/n8n/compare/n8n@2.45.0...n8n@3.0.0) (2026-10-27) ### 不具合修正 * アーティファクトのダウンロードボタンにファイルタイプのツールチップを追加 ([#41490](https://github.com/n8n-io/n8n/issues/41490)) ([4a74f02](https://github.com/n8n-io/n8n/commit/4a74f027e612f31098b354dd3a77b2c2ab98281c)) * **ai-builder:** 実行の読み込みを確認:アシスタントの実行で読み込みが行われる ([#41863](https://github.com/n8n-io/n8n/issues/41863)) ([a967486](https://github.com/n8n-io/n8n/commit/a9674866d075e989a5ce896432262c9a7dc8b0c7)) * **ai-builder:** 設定されたAIトランスポート経由でアシスタントモデルへの呼び出しを送信 ([#41948](https://github.com/n8n-io/n8n/issues/41948)) ([9b63561](https://github.com/n8n-io/n8n/commit/9b63561cbb48f06d216f27be3b77722d97e4e74a)) * カスタムOAuth2スコープを許可 ([#41249](https://github.com/n8n-
AIエージェントのスケーリングには、規制対象の役割を担う従業員と同様に扱い、文書化されたルール、明確に定義された責任、そしてそのパフォーマンスに責任を負う名指しの人的管理者を配置することが必要です。ゲスト著者のリック・フォルグマン氏(Get Covered社COO)は、企業に対し、まず既存のルールで管理されているタスクから着手し、各ワークフローのリスクに応じて自律性を調整したうえで、エージェントの権限を拡大する前に定期的に成果をレビューすべきだと述べています。
arXiv:2610.31894v1 発表タイプ:新規 要旨:近年のスパースオートエンコーダ(SAE)は、大規模言語モデル(LLM)の表現を解釈可能な特徴量に分解し、符号化された知識の精密な読み出しと制御を可能にしています。しかし、既存のSAEでは各特徴量が独立した単位として扱われており、実世界の知識は多くの場合、階層的に分類されています。その結果、読み出しには分類学的な整合性が保証されず、制御においても編集の適用範囲を細かく指定する粒度が欠けています。そこで私たちは、is-a(上位語―下位語)関係に基づき、分類学的情報をSAEの特徴空間に明示的に符号化するTaxoSAEを提案します。TaxoSAEは、分類体系を模倣して各分類レベルごとに1つのSAEを配置し、さらに各概念が対象となる分類レベルで活性化されるよう学習させるための分類学的アライメント損失を導入します。
arXiv:2610.32087v1 発表種別:新規 要旨:言語ベースのエージェントの行動を理解するには、行動が時間軸上でどのように組織化され、その組織化が文脈や結果とどのように関連しているかを把握する必要があります。私たちは、データ主導の行動発見と分析・実験的検証を結びつける一般的なフレームワークを提案します。記録された活動から導き出されるカテゴリは、何を測定するかを定義します。分析では、行動がプロセス内における位置を保持し、その関係性を解釈可能な仮説として表現します。留保された文脈での統計的評価および検定により、証拠の強度と適用範囲を検討します。さらに、プロンプトの制御を含む実験を通じて、意図的に変化させた条件下で行動と結果がどのように変化するかを検証します。反復的な自己反省に関する研究は、次のように示しています。