機械学習・ディープラーニングFlashAttentionはStanford大Tri Dao氏らが提唱したAttention計算の高速化アルゴリズム。HBMアクセスを最小化することで2〜4倍の高速化と省メモリを両立し、長文コンテキストを実用化した。FlashAttention-3はH100で最大75%のFLOPS利用率を達成。仕組み・実装パターン・PagedAttentionとの違いを解説。
機械学習・ディープラーニングvLLMはUC Berkeley発のオープンソースLLM推論エンジン。PagedAttentionでKVキャッシュを最大100%近く活用し、最大24倍の高速化を実現する。仕組み・実装パターン・TGI/TensorRT-LLMとの違いを解説する。
生成AI・LLMSora 2はOpenAIが2025年に公開した第二世代の動画生成AI。物理シミュレーション・音声同期・最大25秒のクリップ生成を実現。本記事では仕組み・初代との違い・料金プラン・実装パターンと、Veo 3との比較を解説する。
機械学習・ディープラーニングKV Cacheとは、Transformer型LLMの推論時にKey/Valueテンソルを再利用して計算量を線形に抑える仕組み。読み方・仕組み・Prompt Cachingとの違い・PagedAttention/vLLMとの関係を図解で完全解説します。
生成AI・LLMManusとは、中国発祥（シンガポール拠点）のButterfly Effect社が開発した自律型AIエージェントのこと。読み方・仕組み・マルチエージェント構造・Claudeとの違い・2026年4月のMeta買収阻止までの動向を解説します。
生成AI・LLMBash Toolとは、Anthropic Claude APIに組み込まれた公式ツールで、Claudeに永続bashセッションでシェルコマンドを実行させる仕組み。読み方・使い方・Computer Useや独自ツール定義との違い・実装パターンを解説します。
生成AI・LLMIn-context Learning（ICL）はプロンプト内の例示だけでLLMを新タスクに対応させる仕組み。Zero-shot/Few-shot/Chain-of-Thoughtの違い、Fine-tuningとの比較、実装パターンまで完全解説。
機械学習・ディープラーニングQuantization（量子化）はLLMの重みを低精度に変換してメモリと速度を改善する技術。FP16/INT8/INT4の違い、GPTQ・AWQ・GGUFの仕組み、ハルシネーションへの影響、ローカル運用パターンを完全解説。
生成AI・LLMHallucination（ハルシネーション）とはLLMが事実に反する情報をもっともらしく出力する現象。原因・種類・RAG/Constitutional AI/Calibrationによる抑制策、2026年の最新研究まで完全解説。
生成AI・LLMマルチエージェントとは、複数のAIエージェントが協調・分業してタスクを解決するシステム構成。リード＋サブエージェントの階層型を中心に、仕組み・実装パターン・コスト・誤解を解説します。
