同じAI出力でも、実行経路で64.3ポイント壊れる。QuoteBenchが暴いた評価の盲点
AICompany 同じBash出力でも、下流パーサーを一つ加えると成功率が55…
AI活用 / 業務効率化
AIはコードを書けても、リポジトリを証明し切れない。Veroが示す「87.3%の罠」
43件の複数モジュールリポジトリで、AIエージェントにコード…
便利なAIスキルが失敗を増やす。307件の差分分析が示した「過剰な手順」の罠
AIエージェントのスキルが誘発した307件の失敗を差分分析。…
CLAUDE.mdはなぜ増え続けるのか。24.8万件の履歴が示した「理由を書く」効果
1,867リポジトリと約24.8万件の指示履歴を追跡した研究…
AI生成コードはテストを見せれば安全になるか。2,705回のSecTDD実験が示した落とし穴
セキュリティテストを先に見せると平均19.3ポイント改善した…
ロボット用VLMは紙の指示を無視できるか。5,670回で見えた物理プロンプトインジェクション
作業台の紙がVLMの行動計画を変える。3モデル、20攻撃、5…
MCPを足しても賢くならない。GUIエージェントの「使う」と「使いこなす」を分けた研究
同じMCPがreasoning modelでは成功率を4.0…
コーディングAIの誤検知判定F1が0.43から0.70へ。GSEがスキルを育てる方法
GSEはcoding agentのskillを関係graph…
AIエージェントはGPUだけ速くしても詰まる。Microsoft Azure実測が示したCPUの盲点
Microsoft Azureの24時間traceと4つのa…
自動運転AIは「走る」だけでは足りない。NVIDIA Alpamayo 2 Superが統合した4つの仕事
NVIDIA Alpamayo 2 Superは、将来軌跡、…