ブログ

#2026-03 764#japanese 587#deep-dive 254#kubernetes 249#culture 236#career 224#ai 217#llm 209#devops 196#2026-04 144#security 141#observability 113#database 110#communication 107#architecture 100#productivity 88#finance 87#mindset 80#ai-papers 79#history 79#it 78#psychology 78#english 75#networking 74#deep-learning 73#gpu 70#linux 70#performance 70#cs-fundamentals 63#ai-agent 61#postgresql 60#rag 59#economy 57#mlops 53#self-improvement 53#python 52#ai-platform 51#food 51#learning 51#travel 51

• ACSM フィットネストレンド20年 — 美容から、メンタルヘルス・寿命・データへ

  アメリカスポーツ医学会(ACSM)の世界フィットネストレンド調査が今年で20回目を迎え、2026年の首位はふたたびウェアラブル技術でした。この記事は上位10項目を整理しますが、順位そのものより20年が描いた軌跡を読みます — 「減量」が「体重管理」へと名前を変え、運動する人の78%が精神的・情緒的な健やかさを最大の理由に挙げるという変化です。これが約2,000人の専門家による認識調査であって大衆の行動の測定ではないこと、ウェアラブルを持

  2026-07-11 · 12 分で読めます #fitness#health#trends#wellness#wearables

• 成功した会社はどのように視力を失うか — エンジニアリング組織の能力の失明

  Ian Reppel のエッセイは、成功した会社が彼の言う「能力の失明（competence blindness）」に陥ると述べます。メキシコの洞窟魚が自らの目を抑制するように、環境がもはや報いないために、丁寧なエンジニアリングを発現しなくなるのです。これは単なる放置ではなく能動的な抑制であり、古典的な破壊的イノベーションとも異なります。本稿はその主張を忠実に伝えたうえで、それがエンジニアリング組織でどのように現れるかを見ます。誰も問え

  2026-07-11 · 17 分で読めます #engineering-culture#organizations#legacy#metrics#leadership

• スクレイパーは今や数百万の家庭用IPからやってくる — residential proxyとオープンソース基盤の消耗戦

  2026年7月10日、LWNのJonathan Corbet氏がスクレイパー状況のアップデートを公開しました。中心には二つの事実があります — residential proxy(家庭用プロキシ)がIPベースのブロックを事実上無力化し、AIクローラーのゴールドラッシュがその需要を満たしています。一度の攻撃で、数時間のあいだに数百万の異なるIPアドレスがサイトを叩き、それぞれ二〜三回しかアクセスしません。この記事は、なぜブロックが構造的に

  2026-07-11 · 12 分で読めます #web-scraping#residential-proxy#ai-crawlers#anubis#infrastructure

• Hybrid SWA による長コンテキスト推論の最適化 — Xiaomi MiMo v2.5 が実際に行ったこと

  スライディングウィンドウアテンション（SWA）とフルアテンションを層ごとに交互配置するハイブリッド SWA は、長コンテキスト推論の KV キャッシュメモリと計算量を同時に削減する最近の主流設計です。Xiaomi が公開した MiMo v2.5 推論最適化の記事を根拠に、ハイブリッド SWA とは何でなぜ重要か、MiMo v2.5 が実際にどんなアーキテクチャとシステムエンジニアリングを行ったか（70 層中 10 層のみフルアテンション

  2026-07-11 · 14 分で読めます #ai#llm#inference#attention#optimization

• K-pop「システム」は国籍と切り離せるか — KATSEYE という実験

  KATSEYE は、韓国のアイドルグループを生み出すのと同じ練習生パイプラインを通じて HYBE とゲフィン・レコードが作り上げた、ロサンゼルス拠点の 6 人組ガールグループです。しかしメンバー自身は、自分たちは K-pop ではなくグローバルグループだとはっきり語ります。2026 年、このグループは最優秀新人賞と、「Gabriela」での最優秀ポップ・デュオ/グループ・パフォーマンスの二部門でグラミー候補となり、式典のステージにも立ち

  2026-07-11 · 11 分で読めます #kpop#katseye#music-industry#culture#globalization

• 開発者がGitHubを離れてCodebergへ向かう理由 — そして離れるときに実際に失うもの

  GitHubを離れてCodeberg・Forgejo・セルフホスティングへ移った、という記事が急に増えています。背景にはGhostty・Zig・Gentooの離脱、頻発する障害、MicrosoftのCoreAI編入、そして2026年4月のAI学習デフォルト反転があります。本稿は実際の一次資料に基づき、何が人を動かしているのか、CodebergとForgejoが実際に何を与えるのか、そしてGitHubを離れるときに本当に失うもの(ネットワ

  2026-07-11 · 12 分で読めます #github#codeberg#forgejo#self-hosting#open-source

• RustでKubernetes GPUオペレーターを作る — kube-rsで実際のクラスターを診断する

  8ノードの実運用ホームラボクラスター（k8s v1.32.5）を相手に、kube-rsを使ってGPUオペレーターをRustで自作して動かしました。GpuInventoryカスタムリソースを定義し、2つのコントローラー（ノードスキャン→CR状態の記録、ノード監視→ConfigMap更新）を1つのバイナリで起動し、クラスターの外で実行しました。そして、オペレーターが実際に吐き出した結果 — GPUノード4個のうちReady 0個、つまりGP

  2026-07-11 · 9 分で読めます #rust#kubernetes#operator#gpu#kube-rs

• AI コーディングモデルの評価で信号とノイズを見分ける — SWE-bench が揺らいだ理由

  OpenAI の評価チームは、最も広く使われるコーディングベンチマークである SWE-bench Verified が、汚染と設計上の欠陥のためにもはや意味のある信号を与えないと指摘します。信号（モデルを見分ける力）とノイズ（実行ごとに揺れる変動）という二つの軸で見直すと、リーダーボードの順位の多くがノイズの上に立っていることが分かります。汚染・ハーネスの差・採点不能な課題・過学習がどのようにスコアを膨らませるかを整理し、チームがコーデ

  2026-07-11 · 12 分で読めます #llm-evaluation#coding-benchmarks#swe-bench#benchmarks#ai-coding

• プロダクション RAG パターン — 素朴な RAG が失敗する理由と、実際に効く技法

  デモ用の RAG は半日で作れますが、プロダクションで静かに壊れる場所は、たいてい生成ではなく検索です。本稿はチャンキング、埋め込みとハイブリッド検索（BM25 + ベクトル）、リランキング、コンテキスチュアル・リトリーバル、クエリ書き換え、そして評価を、それぞれ何であり・いつ効き・何を代償に払うのかで整理します。Anthropic のコンテキスチュアル・リトリーバルの数値のように出典のある数字だけを引用し、RAG は魔法ではないこと、

  2026-07-11 · 18 分で読めます #ai#rag#llm#retrieval#embeddings

• Forward Deployed Engineer(FDE)を目指す — 本当に必要なソフトウェア知識の地図

  Forward Deployed Engineer(FDE)はPalantirが生み出した職種で、エンジニアが顧客企業に直接入り込み、製品を彼らの実環境にデプロイ・統合する役割です。最近はOpenAIやAnthropicといったAI企業が、自社モデルを顧客インフラに載せるためにこの職種を大量に採用し、再び注目を集めています。この記事はFDEを目指す人のために、役割の実像(実際のソースに基づく)と本当に重要なソフトウェア知識 — Linu

  2026-07-11 · 11 分で読めます #career#fde#software-engineering#palantir#solutions-engineering

• LLM学習データ前処理の完全ガイド — Webクロールからトークンパッキングまで、最新論文とともに

  よいモデルはよいデータから生まれ、よいデータは前処理パイプラインから生まれます。Webクロール収集 → 本文抽出 → 言語識別 → ヒューリスティック・分類器による品質フィルタリング → 厳密・近似(MinHash)重複除去 → PII・有害性処理 → ベンチマーク汚染除去 → トークナイズとシーケンスパッキングまで、事前学習データの全工程を段階ごとに解説します。あわせてSFTデータ整備の要点、datatrove・Dolma・NeMo

  2026-07-09 · 13 分で読めます #ai#llm#data-engineering#preprocessing#training

• 自動化の三つの部族 — Zapier・Make・n8n、RPA、そして2026年のエージェンティック自動化

  「これを自動化して」という言葉を前に、人はしばしば見当違いのツールを手に取ります。自動化には互いに異なる三つの部族があるからです — APIをつなぐワークフロー自動化(Zapier・Make・n8n)、APIのない画面を人のように操作するRPA(UiPath・Power Automate)、そして判断まで肩代わりするAIエージェント。各部族の正体と2026年の地形(課金モデルの罠、n8n 2.0のAIノード、Zapier Agents、

  2026-07-09 · 10 分で読めます #automation#rpa#zapier#n8n#ai-agents

• GPU Operator × KubeVirt 総まとめ — コンポーネント・設定・バージョン、部分MIGと手動MIGまで

  Kubernetes GPUインフラの二本柱を1ページに総整理します。GPU Operatorのオペランド構成、ClusterPolicy設定、バージョン体系とあわせて、ノードの一部のGPUだけにMIGを適用するカスタム設定と、nvidia-smiでMIGを手動で作成・削除する方法を扱います。さらに、KubernetesでVMを動かすKubeVirtの4大コンポーネント(virt-operator・controller・handler・

  2026-07-09 · 12 分で読めます #kubernetes#gpu#kubevirt#mig#nvidia

• Keycloakで SSO を構築する — Realm・Client・フローから 2026 年の新機能まで

  社内アプリ 20 個にログインをそれぞれ実装する代わりに、1 つのアイデンティティサーバーがすべてを代行できるようにするのが SSO です。オープンソースの標準である Keycloak を、Realm・Client・Role・Identity Provider という 4 つの中核概念で理解し、OIDC Authorization Code + PKCE のログインフローを 1 ステップずつ追い、Quarkus ディストリビューションの

  2026-07-09 · 14 分で読めます #keycloak#sso#oidc#security#devops

• 3Dを作る2つの道 — 復元(NeRF・ガウシアンスプラッティング)と生成(TRELLIS・Hunyuan3D)

  「3Dモデルを作る」という言葉には、まったく異なる2つの問題が隠れています。実際に存在するシーンを複数枚の写真からよみがえらせる復元(reconstruction)と、存在しないものをテキストや画像1枚から作り出す生成(generation)です。復元の系譜をSfMからNeRF、そして流れを変えた3Dガウシアンスプラッティングとfeedforward復元(Meta MapAnything)まで追い、生成の系譜をDreamFusionのS

  2026-07-09 · 14 分で読めます #3d#ai#gaussian-splatting#nerf#computer-vision

• 2026年ロボット企業マップ — ヒューマノイド激戦とVLAモデル、そしてエンジニアの参入経路

  2026年はヒューマノイドの出荷台数が前年比約7倍(5万台見込み)へ跳ね上がる変曲点です。390億ドルのバリュエーションを持つFigureと自社VLAモデルHelix、2026年夏に量産へ入るTesla Optimus Gen 3、すでに5,500台を販売した価格破壊者Unitree、ロボットの汎用頭脳を売るPhysical Intelligence(π0)まで — 主要企業をハードウェア・頭脳・市場の軸で整理し、RT-2からGR00T

  2026-07-09 · 10 分で読めます #robotics#ai#vla#trends#career

• マルチGPU・マルチノード学習プラットフォーム総まとめ — フレームワークの地図からSlurm・Kubeflow実践ガイドまで

  GPU複数枚・ノード複数台でモデルを学習させる全体の地形を1枚に整理します。AIライブラリ・フレームワークのエコシステム地図（PyTorch・JAX・HuggingFace・DeepSpeed・Ray）、並列化戦略（DDP・FSDP・ZeRO・TP・PP）をいつ何で選ぶか、torchrunの単一ノードからマルチノードへの拡張、HPC標準であるSlurmの使い方ガイド（sbatchスクリプトとマルチノードtorchrunの連携）、Kube

  2026-07-09 · 11 分で読めます #ai#ml#distributed-training#slurm#kubeflow

• DockerからPodmanへ — デーモンレス・コンテナエンジン移行完全ガイド

  Podmanはデーモンなし（fork-exec）で動き、rootlessがデフォルトという点で、Dockerとはアーキテクチャの哲学から異なります。内部動作（conmon・crun）、設定ファイルの場所と意味、GPUを使うためのCDI設定、compose.yamlをそのまま使う二つの方法（Podmanソケット＋docker compose vs podman-compose）、SELinuxボリュームラベルのような移行の罠、バージョン・

  2026-07-08 · 12 分で読めます #docker#podman#containers#devops#linux

• LLMキャッシングの原理 — プロンプトキャッシングとPrefix Cacheはなぜお金を節約できるのか

  プロンプトの前半が同じだと、なぜコストが10分の1になるのでしょうか。答えはトランスフォーマー内部のKVキャッシュにあります。アテンションが因果的（causal）なので、前方トークンのKey/Valueベクトルは後ろに何が来ても変わらず、保存して再利用できるのです。prefillとdecodeの区別、KVキャッシュのメモリ計算、vLLM・SGLangのprefix cache実装、そしてAnthropic・OpenAIプロンプトキャッシ

  2026-07-08 · 13 分で読めます #ai#llm#caching#inference#performance

• 最新LLM量子化技術の総まとめ — GPTQ・AWQからFP8・MXFP4・KVキャッシュ量子化まで

  量子化はモデルの数値をより少ないビットで表現し、メモリとコストを削る技術です。ビットを減らしても品質が持ちこたえる理由（外れ値とスケーリング）、GPTQとAWQのアプローチの違い、llama.cpp GGUFのk-quant、QLoRAのNF4、そして2026年の中心軸であるFP8とマイクロスケーリングFP4（MXFP4・NVFP4）、次のボトルネックであるKVキャッシュ量子化まで — W4A16のような表記の読み方とハードウェア・目的

  2026-07-08 · 13 分で読めます #ai#llm#quantization#inference#optimization