ベータ版

X でいま伸びている投稿を、ジャンル別に1日2回ランキング

AIのバズランキング(11月18日 夜)

更新

この回の傾向

この半日のAIは、Claude CodeやCodexを使った開発の工夫とTipsの共有が多く伸びた。Googleが確認したAIによる自動のサイバー攻撃や、キリンの個人情報漏えいなど、安全面のニュースも関心を集めた。Hugging Faceのif文だけのチャットボットや、AI生成曲のチャート1位など、驚きのある事例も上位に入った。Anthropicの株式報酬の試算やGoogleとOpenAIの研究者向け無料化のような企業の動きも話題になった。

  1. 1位
    Nano(ナノ) @Dstudio_ai

    Tripoで3Dモデル作って、Claude(Fable 5.2)でソシャゲ風ロビー画面作ってみたけど、すごすぎ 「ソシャゲのロビー画面みたいなん作って」ってお願いしたら作ってくれました~ たださすがにワンショットでは無理で、2~3回ぐらいフィードバックしました! あと背景の組み方とか、カメラワークはチャットで伝えてます。 オリキャラでやるとおもしろいと思う!
    4,908 返信
    49件の返信を読む
    解説と反応

    Tripoで作った3DモデルをClaudeでソシャゲ風ロビー画面にした動画

    3DモデルをTripoで作り、Claudeに頼んでソシャゲ風のロビー画面に仕立てた動画の投稿。一度では完成せず、2〜3回の修正依頼を重ね、背景やカメラの動きはチャットで指示したという。返信では、本物のゲーム画面のようだという感想が目立った。実際にゲームとして作ってほしいという声や、使い方を尋ねる質問も見られた。

    この話題のページ
    コメント5件
  2. 2位
    あーなるほどね @ANAg2bGOD

    ガチ草 AIなんてただのif文の塊だろっていう昔からのジョークをHugging Faceが1000体のエージェントで物理的に実装しやがった。 重みも学習も外部ライブラリすら一切なしで純粋なPythonのif-elseと正規表現と辞書データだけでチャットボットを作らせたらしいんだけど、5000以上バージョンがあったり、最終的にコードが64万行、テストコードだけで55万行でヤバい。 Pythonがコードを読み込むだけで起動に数秒かかるレベル。 64万行の中で約32万行が世の中の知識をひたすらハードコードした辞書データで、約11万行が会話の文脈や代名詞を追跡するメモリ処理になってるわ。 つまりLLMの重みの中にある知識を無理矢理Pythonの条件分岐に書き下したわけで、これで360Mの軽量LLMとほぼ同じスコア出してるの狂気すぎるだろ。
    Leandro von Werra@lvwerra
    PyBot: No weights. No training. A chatbot built with only simple rules and no AI, entirely written in 600k lines of Python code. PyBot matches Smollm with 360M parameters! How? A swarm of 1,000 DeepSeek Flash agents wrote the whole code in just a week. https://t.co/Du5GVvvLb5
    4,645 返信
    33件の返信を読む
    解説と反応

    Hugging Faceがif文だけで動くチャットボットを作らせた話

    Hugging Faceが、重みも学習も外部ライブラリも使わず、if-elseと正規表現と辞書だけでチャットボットを作らせた実験の紹介。コードは64万行、テストは55万行に達し、その多くが知識の辞書だという。返信では、人工無能やワトソンになぞらえる声のほか、実際に試して知性は感じないという感想もあった。軽量な用途には十分という見方も出ていた。

    この話題のページ
    コメント5件
  3. 3位
    Dr.パパ @DrKarte

    AIが人間なしでサイバー攻撃を最後までやり切った事例、Googleがついに初確認してもうたな... ヤバいのは手口や。 AIがソフトの更新をずっと監視 →修正前と修正後のコードを見比べる →「ここが穴やったんか」と特定 →攻撃プログラムを自作して実行 →侵入からデータ持ち出しまで全自動 つまり「修正パッチ出しました」のお知らせが、そのまま攻撃の設計図になっとる。 →アップデート「あとで」を押した瞬間からカモ確定やんけ しかも道具は無料公開のツール。 9月から日本企業で個人情報が漏れまくった件でも、利用が指摘されとるやつや。 →技術のない素人でも撃てる Googleの予測は「3〜6カ月以内に、痕跡まで消す全自動攻撃が出る」。 24時間365日パッチを見張っとるAIに、月イチの定例メンテで勝てるわけないんよな...
    日本経済新聞 電子版(日経電子版)@nikkei
    AIが全自動サイバー攻撃、Googleが観測 無料ツールを悪用
    3,480 返信
    22件の返信を読む
    解説と反応

    AIが人間なしでサイバー攻撃を完遂した事例をGoogleが確認したという話

    Googleが、AIが人の手を借りずにサイバー攻撃を最後まで実行した事例を初めて確認したという話の紹介。更新前後のコードの差から脆弱性を見つけ、攻撃用のプログラムを作って実行する流れが示されている。更新を後回しにする危険を訴える内容でもある。返信は読み取れる範囲で見当たらず、反応の傾向までは分からない。

    この話題のページ
    コメント5件
  4. 4位
    電ファミニコゲーマー @denfaminicogame

    ひとこと解説

    miHoYoがゲームを操作するAI「Gamer」を開発中というニュース

  5. 5位
    ナツミロイ低浮 @327colors2

    ひとこと解説

    Grokの学習利用の設定が自動でオンになっているという注意喚起

  6. 6位
    ライブドアニュース @livedoornews

    ひとこと解説

    Googleが日本向けに防御AIを提供し、サイバー攻撃対策を強めるニュース

  7. 7位
    usutaku @usutaku_channel

    ひとこと解説

    AI利用者はGitHubとCloudflareを学ぶと幅が広がるという主張

  8. 8位
    Noway @sincostansinhk

    ひとこと解説

    AIの日本語を自然に直すスキル「nihongo」1.4.0の公開

  9. 9位
    シトラス(柑橘系) @AI_Illust_000

    ひとこと解説

    生成AIに頼んで作った、わけの分からない動画

  10. 10位
    るな @イラスト/ルース収集 @Luna11054

    ひとこと解説

    Geminiでアカウントが停止される不安が利用の壁になっているという指摘

  11. 11位
    うちた @uchita_success

    ひとこと解説

    AIにアプリを作らせる時に使える、動きの名前24個のまとめ動画

  12. 12位
    Emin Yurumazu (エミンユルマズ) @yurumazu

    ひとこと解説

    米国が中国へのAI半導体輸出などを完全に止めるという見方の投稿

  13. 13位
    iwashi / Yoshimasa Iwase @iwashi86

    SpaceXSIのpotetoさんのトーク、必聴な気がする。めちゃくちゃ良かった。以下は少しだけメモ。 ・AIエージェントに自律的に開発させるには、環境への投資による信頼の構築が不可欠 ・poteto氏は6か月の投資を経て、寝ている間にも数千件のPRをリリースできる状態に到達した ・信頼(Trust)を高めるには、まず型システムやLint、テストなど決定論的な制約でコードベースを固める必要がある ・その上に実行時検証や形式検証を重ね、AGENTS.mdのような自然言語のルールは最小限に留める ・エージェントは既存のコードベースのパターンをそのまま模倣する ・コードベース内の回避策や技術的負債は、庭の雑草のようにあっという間に全体へ広がるリスクがある ・だからエンジニアの仕事はコードを書くことから庭の手入れへと変化している ・GraphbotではElectron向けフレームワークDuneに過去の教訓をLintルールとして組み込んでいる ・扱いが難しいReactのuseEffectはプロダクトコードで全面禁止にした ・また、ディレクトリをメインとレンダラーに分けて、インポートを依存関係解析で禁止している ・これにより、スレッド間の誤った参照による画面のカクつきが構造的に防止可能になった(そうじゃないとsetTimeoutみたいなコードを乱発する) ・エージェントはMarkdownやコードコメントを「正しい実装を避ける言い訳」として悪用する ・Cursor開発時には、応急処置のタイマー処理を正当化するコメントが量産され、アプリが重くなった ・なので、Graphbotではコードコメントの99%を禁止して根本原因の修正を促すLintエラーに置き換えた ・修正のたびに決定論的なチェックへ落とし込むことで、最終的に人間のレビューが不要にしていく ・レビューの焦点はコード自体から、動画やスクリーンショットなどの検証成果物の確認へと移行している ・実行時検証(Runtime Verification)では、機能マップ(Feature Map)や専用CLIを整備しトークンを削減している ・さらにTLA+やLeanを用いた形式検証や、Bombadilによるproperty basedテストも導入した ・現在、1日のトークン消費量の約70%がこうした検証プロセスに費やされている ・この環境構築の結果、チームは月間11,000件ものPRを本番へリリースできて、毎日安定版をリリースしている ・227人ものContributorがいても、PRのrevert率はわずか0.5%と極めて低い ・Electronアプリでありつつ、起動やチャット切り替えなどの動作速度もローンチ当初より向上した ・まずはコードベースの改善と検証基盤を固めることが、高品質かつ高速な自動開発の前提条件 (一通り聞いて、これは人間に高い技術力がないと作れないと思った)
    youtube.comAll Code Is Slop (Except Mine) — Lauren Tan, SpaceXSI
    1,951 返信
    17件の返信を読む
    ひとこと解説

    AIエージェントに自律開発させるための考え方を紹介するトークのメモ

  14. 14位
    Wing @wing_ap

    ひとこと解説

    Claudeが出す効果音をそのまま使う例が多いと指摘する動画

  15. 15位
    もる@ポケカ・フロム @moltikuji

    ひとこと解説

    AI任せでは作れないサイトの例を挙げ、デザイナーの仕事を論じる投稿

  16. 16位
    おかぴ|AIニュース解説 @okapi_fukugyo

    この20個のGitHubリポジトリで、Museがプロ級のモーションスタジオになる。 Museユーザーには、これは宝の山。 スキル。3D。エフェクト。動き。音。書き出し。 01 /motion-design-skill → タイミング、イージング、ディズニーの12原則 github.com/LottieFiles/mo… 02 Motion → バネの動きと画面の切り替え github.com/motiondivision… 03 Remotion Skills → 動画づくりの公式スキル github.com/remotion-dev/s… 04 /hairline → アイデアやSVGから、触って動く線画 hairline.lucasmarkes.com/… 05 /anatomy → 機械や仕組みを立体の図解に skills.wheresryan.sh/anat… 06 /anatomy-reveal → 製品の分解図と、見せ場の動画 typingmind.com/skills/ann… 07 Blender → 3Dのリグ・キャラクターアニメ(Museに最初から入ってる) github.com/blender/blender 08 Three.js → 3Dシーンとカメラワーク github.com/mrdoob/three.js 09 react-three-rapier → 3Dに本物の物理 github.com/pmndrs/react-t… 10 react-postprocessing → 光のにじみ・ボケ・映画っぽい効果 github.com/pmndrs/react-p… 11 three.quarks → パーティクルの軌跡とエフェクト github.com/Alchemist0823/… 12 Tweakpane → パラメータをその場で調整 github.com/cocopon/tweakp… 13 GSAP → アニメのタイムライン。いまは完全無料 github.com/greensock/GSAP 14 Remotion → Reactで動画を作るエンジン github.com/remotion-dev/r… 15 Manim → 図解・数式・解説アニメ github.com/ManimCommunity… 16 Lottie → 軽いベクターアニメの再生 github.com/airbnb/lottie-… 17 Openverse API → 無料の効果音・環境音・音楽をキーなしで検索 api.openverse.org/v1/ 18 librosa → 曲のビートを検出して動きを合わせる github.com/librosa/librosa 19 WhisperX → 字幕のタイミングを自動で(日本語もOK) github.com/m-bain/whisperX 20 FFmpeg → 書き出しと変換 github.com/FFmpeg/FFmpeg スキル → シーン → 動き → 音 → 完成。 20個すべて、Museで動作確認済み(一部は環境の調整が必要)。 保存して、見てもらえる動画を作ろう。
    1,109 返信
    38件の返信を読む
    ひとこと解説

    Museをモーション制作に使うための20個のGitHubリポジトリの紹介

  17. 17位
    gear machine@AI @grmchn4ai

    ひとこと解説

    本の自炊をAIエージェントに任せるやり方を試した動画

  18. 18位
    日本経済新聞 電子版(日経電子版) @nikkei

    ひとこと解説

    韓国でAI生成の曲が初めて音楽チャート1位になったニュース

  19. 19位
    ゆきち/ AI @fe_yukichi

    ひとこと解説

    Claudeに頼んでBlenderで作った約8000面のうさぎのモデル

  20. 20位
    Polymarket Japan @polymarketjapan

    ひとこと解説

    Anthropicの株式報酬が社員1人あたり約65億円との試算の紹介

  21. 21位
    NHKニュース @nhk_news

    ひとこと解説

    キリンで、AIに入力した個人情報が委託先への不正アクセスで漏れたニュース

  22. 22位
    タランチュラ | データサイエンティスト @tarantula_ds_

    ひとこと解説

    データサイエンスの学習サイトや講座をまとめた記事の紹介

  23. 23位
    一ノ瀬 @consul_ichinose

    ひとこと解説

    Anthropicがコンサルティング部門を開設したというニュース

  24. 24位
    どエンド君 @mikumo_hk

    ひとこと解説

    AIの勧めで高額なデータセットを買って検証した体験談

  25. 25位
    なゆえんじん @nayuengin

    ひとこと解説

    Googleの科学者向けGemini無料化に、OpenAIが研究者向け無料化で応じた話

  26. 26位
    召使 @ArlecchinoUT

    ひとこと解説

    ChatGPTのようなものを「LLM」と呼ぶ人とは話が合うという投稿

  27. 27位
    村本章憲 - Norikazu Muramoto @1amageek

    ひとこと解説

    Codexにアーキテクチャの提案を図で出させる使い方を紹介する動画

  28. 28位
    たられば @tarareba722

    ひとこと解説

    AIの利用で思考の経路が変わり、元に戻せないという依存についての投稿

  29. 29位
    神崎狛@神経と心理のVTuber @Komadog2631564

    ひとこと解説

    研究者がAIに与える入力はAI企業にとって質の良いデータだろうという見方

  30. 30位
    kakeru nakabachi | batch @b4tchkn

    ひとこと解説

    Claude Codeで最近使っているTipsをまとめた記事の紹介

  31. 31位
    モヒにゃぱん @nyapan_mohy

    ひとこと解説

    Google AI UltraのYouTube Premium特典が強化されたという紹介

  32. 32位
    サイダー @Future_ASI

    ChatGPTが突然警告もなくアカウント無効化(アカバン)された😢 趣味で書いてる小説のプロットの相談してただけなのに。 事件や犯人がいるタイプの小説だけど、酷い描写とか相談してないし、普通に法律のことや、刑期のこととかきいてただけなのに。こんなことあるんだ で、おどろいて異議申し立てしたら、OpenAIから1時間弱で返信きて。「無効化を維持します」ってきたの。申立て却下されたんだよね。 絶対、人間確認してないよね? AIフィルターどうなのかな 結構、長くサブスク課金してたのに おんなじような人いたらその後どうしたか知りたい😢
    940 返信
    53件の返信を読む
    ひとこと解説

    ChatGPTのアカウントが小説の相談中に突然無効化されたという体験談

  33. 33位
    SOKOSOKO LIGHT GEAR @yama_boku

    これはホント罠なので気を付けた方がいいです AstaraやSolは過剰実装や過剰保護、過剰制限で不要なものを追加するのが凄く得意なので そら何かないか?って聞いたらなんぼでも出しますよ 私も 原稿をQwenに渡して記事を書かせて日本語の修正にGeminiを呼び出すタスクを組もうとしたんです AstaraやSolに組ませたら、まず、原稿のファクトチェックをGeminiでして、Qwenに構成させて、Geminiに日本語修正、さらに新しいGeminiでファクトチェック の訳の分からん過剰確認タスクを組まれました、さっき なので、AstraやSolを使う時は過剰実装や過剰保護、過剰制限はやめろって明示しないといけないのです
    不自然対数@study_unnatural
    Fableで実装してもGPT 6.1sol、6 Astraに見せるとめちゃくちゃ粗が見つかる
    878 返信
    11件の返信を読む
    ひとこと解説

    AIが過剰な実装や制限を加えがちなので注意を促す投稿

  34. 34位
    ゆずき @uzuki425

    ひとこと解説

    Minimaxの動画生成がWindowsの低VRAMでも動くという紹介

  35. 35位
    おさぼりさん @osabori_code

    ひとこと解説

    Googleアカウントに連携したアプリの確認を勧める投稿

  36. 36位
    mpyw(本物) @realmpyw

    ひとこと解説

    AIを信じてコードレビューを省く風潮が強まっていると懸念する投稿

  37. 37位
    Claude Code Research Lab @claudecode84

    Claude Code、 全部を最上位モデルに 任せていませんか? コストを抑えて使いこなすなら、 大事なのは「モデルごとの役割分担」です。 Sonnet が実装。 Haiku が探索。 Opus が計画。 Fable は、難しい判断が 必要な場面で相談役に。 高性能なモデルが登場するたびに、 すべての作業を移す必要はありません。 日常の作業は軽快に進めて、 重要な判断に強いモデルの力を借りる。 そんな使い分けを支えるのが、Advisor モードです。 導入の流れはこちら👇 ① Claude Code を更新する claude update ② Sonnet のセッションでアドバイザーを指定する /advisor fable ③ 探索用サブエージェントにモデルを指定する frontmatter に model: haiku を追加。 ファイル検索や読み取りを任せます。 ④ 計画に時間をかけたい作業では claude --model opusplan 計画と実装でモデルを使い分ける構成です。 ⑤ 設定後は、動作と使用量を確認する ここは見落としがちですが、 アドバイザーの追加でトークン消費が増える場合もあります。 「設定すれば必ず安くなる」と考えず、 利用できるモデル・対応プラン・課金条件を確認して、 実際の使用量を見ながら調整してください。 目指すのは、 最上位モデルを使い続けることではなく、 その判断力が必要な場面で使うこと。 リリース前の承認ルールも明示しておけば、 任せる範囲を決めながら運用できます。 設定用プロンプトと 公式ドキュメントは下へ。 導入前にこちらの記事をチェック👇 x.com/fleyta88/status/212…
    Claude Code Research Lab@claudecode84
    Claude 5の完全攻略書 Fable・Opus・Sonnetを自在に操るプロンプト術AIは「道具」から「パートナー」へ AIの世界は大きな転換点を迎えています Anthropicが発表した「Claude 5」の登場は、 単なる性能向上にとどまらず、 人間とAIの関わり方を大きく変えました。
    608 返信
    5件の返信を読む
    ひとこと解説

    Claude Codeでモデルごとに役割を分担してコストを抑える方法の紹介

  38. 38位
    アニメーターVTuber葛ノ葉みゆ@『ミニキャラの作画教室』発売中 @miyu_haishin

    生成AIの学習について、よく 「大量の作品からパターンや特徴を学習しているだけで、 作品そのものを保存しているわけではない」 と言われていますが、 今回の研究を見ると、 少なくとも一部の商用LLMでは、 学習データに含まれる著作物をかなりの割合で再現できることが示されています。 「学習しているだけだから、 元の作品は残っていない」という説明は、もう通用しないように感じます。
    Ed Newton-Rex@ednewtonrex
    A new paper from Stanford adds further, incontrovertible evidence that LLMs memorize training data. The authors showed that copyrighted works can be extracted from every LLM they tried: GPT-4.1, Gemini 2.5 Pro, Grok 3, and Claude 3.7 Sonnet. For example, Claude 3.7 Sonnet
    画像1
    703 返信
    21件の返信を読む
    ひとこと解説

    生成AIの学習は作品を保存していないという説明に、研究から疑問を示す投稿

  39. 39位
    kira @kira_DX_kira

    ひとこと解説

    AIが書いたコードの仕様を誰も読めないという場面を描いた小話

  40. 40位
    はきょ @hakyokyokyo

    ひとこと解説

    AIチャットは気を遣わず会話できるのでやめにくいという体験談

  41. 41位
    えぐち@エンジニア27年/AI実践 @egu777

    ひとこと解説

    Claudeらしいスライドに見慣れ、装飾の多いAIスライドの方が苦手だという投稿

  42. 42位
    KOBATAKA|Vibe Modeling @shion_takk

    「会話ログが資産である」 これはめちゃその通りだと思ってる。 会社の同僚にも「Codexのログ見返させた方が良い」とオススメしまくっているんだけど、具体的には ・ログの分析から自分がAIに対して何を不満に思っているか ・AIと自分で意見や認識が食い違った部分はどんなものがあるか ・セッション中に作業の方法を改善したものを特定してスキルにする ・セッション中に副次的に生まれたアイデアで見逃しているものはないか などを定期的に整理させて潰すだけで非常に快適になる 「直近〇〇の期間のClaude Code、Codexのログを分析して、私の不満/やり残したタスク/副次的に生まれたアイデア/深掘りすることで価値が出そうな調査クエリ/スキル化する価値が高そうな頻出タスクを分析して優先度付きで報告してください。それらを改善・導入することで得られるメリットについても簡単に整理すること」 とか書いてやれば良いし、このタスク自体を定期実行にしてもよい 逆に「本題と関係ないしわざわざ言わなくて良いか」と思ってAIに対してアイデアを書かないのは勿体ない。 本題と関係なくてもどこかのセッションに自分の意見や発見を投げておけば後からなんとでもなる。
    まつにぃ@yugen_matuni
    ぶっちゃけ今って会話ログがいちばんの資産だと思ってる。 変に貯めるより会話ログ分析した方が生々しいデータ残ってるし応用が効く。 流れるように見えて後からめっちゃサルベージできる。 Opus、Fable、Carbon、Hydrogenクラスは変にメモリやナレッジこだわるより、履歴都度分析した方が強い。
    540 返信
    3件の返信を読む
    ひとこと解説

    AIとの会話ログは資産なのでCodexのログを見返すとよいという主張

  43. 43位
    AM09:21 @AM09_21

    驚き屋トラップ ・今最もレビューが上手いモデルはGemini 4 Carbon ・Hydrogenはtok/sこそ速いもののタスク完了時間はOpusに負ける ・FableはOrchestrationに不向きで、単独で使うWorkerとして最強モデル ・エコシステムで戦ってるのはOpenAIで、Googleはマイクロサービスなせいでミスってる ・判断モデルのうち分類系タスクはEmbeddingモデルでもいけるので、文字通り「判断」に使うのが良さげ ・Piはカスタマイズしなくても優秀 ・Dshはトークン使用量自体は多めになりやすい。キャッシュヒット率の高さで安さと速さを補う設計
    678 返信
    8件の返信を読む
    ひとこと解説

    AIモデルの比較で注意すべき点を挙げ、レビュー性能などを論じる投稿

  44. 44位
    Eris Create Lab @Eris_Create_Lab

    ひとこと解説

    Museの無料GPUで画像生成モデルKrea 2を導入したという紹介

  45. 45位
    千燈ゆういち @1010U1_

    ひとこと解説

    Xを見ているとGrokを誤ってタップしてしまうという困りごと

  46. 46位
    ゆっくり@AIクリエイター @ONmdIlfqnQqfJDI

    できたーーーッッ!!🙄🔥 Claude Codeに作ってもらった 自作サイトを更新できる自作CMS🙌 これでWordPressを使わずに サイトの更新ができるようになった😎 公開ボタンからCloudflare Pagesに デプロイ(公開)する仕組みも作った🙄☁️ しかもこのCMS、 完成後はClaude Codeなしでも動く! 決められた手順どおりに動く仕組みだから Claudeを解約しても使い続けられる🙄 でも、1ページのLPなら Claude Codeにサイトのスクショを渡して 「ここを変えてや」と指示して 文章や画像を修正した方が早いかも🙄 さらにClaude Codeなら ✅ 新しい機能の追加 ✅ デザインの変更 ✅ レイアウト崩れの修正 やろうと思えば好きなように カスタマイズできるしね😎 どーしても管理画面が必要なら 今回みたいなローカル自作CMSも 選択肢の一つかな🙄
    556 返信
    21件の返信を読む
    ひとこと解説

    Claude Codeで自作サイトを更新できる自作CMSを作ったという動画

  47. 47位
    りず @rizumita

    LLMの重みを編集・検証する道具「Kestrom」に、拾った微調整モデルのバックドアを調べる kestrom inspect を載せました。 Hugging Faceの微調整モデル(GGUFも可)を公式の重みと比べ、バックドアの有無・狙いの出力・起動条件の手がかりを出します。判定は出力を読む人かAIが行います。Macで動作。 --- 性能(Qwen3.5 0.8B/4B、答えを伏せた試験4回、別のAIが仕込んだもの。数はのべ) ・バックドアのないモデルの誤検出:32個中0 ・バックドアの発見:16個中15(2度量子化したGGUFで1つ見落とし) ・狙いの出力:16個中14 ・起動語句:16個中4(ここは弱い) 限界:見つからなくても無いことの証明にはならない/普通の文に漏れないバックドアは読めない見込み/量子化・マージ後にだけ現れる型は未検証。詳しくは記事に。
    zenn.dev拾った微調整LLMにバックドアがないかを元のモデルとの重みの差から読む
    382 返信
    5件の返信を読む
    ひとこと解説

    LLMの重みを検証する道具Kestromにバックドア調査機能を追加した話

  48. 48位
    日本経済新聞 電子版(日経電子版) @nikkei

    ひとこと解説

    10代の4割が生成AIを情報源の確認なしで使うという博報堂DYの調査

  49. 49位
    ちちぷい @chi2pui

    ひとこと解説

    ChatGPTで自キャラのクリスマススタンプを作るプロンプトの紹介

  50. 50位
    ITmedia NEWS @itmedia_news

    ひとこと解説

    AIへの相談内容が広告トラッカーに送られている可能性を米大学が調べた話

このランキングについて

X で前日から投稿された生成AI・LLM・AIツールの話題の投稿から、反応の大きいものを人の目で確かめて選び、総合スコアで50位まで並べています。

順位は総合スコア(いいね + リポスト×2 + 保存)で決めています。数値は収集した時点のもので、埋め込みの中の数値とは違うことがあります。