Tag
LLM
37 件の記事 · 2 / 4 ページ
-
クライアントツール vs サーバーツール
クライアントツールはユーザーが定義・実行しエージェントループが必要です。サーバーツールは Anthropic が実行するためループ不要で結果を直接受け取れます。
-
長いエージェントループのためのコンテキスト管理術
コンテキストウィンドウは有限リソースです。Compaction・Context Editing・思考ブロック管理の3つのアプローチを整理します。
-
effort と budget_tokens の違い
budget_tokens は思考トークンの上限を数値で指定します。effort は思考・テキスト出力・ツール呼び出し回数すべてに影響するレベル指定です。2つは別の概念です。
-
バッチ・ストリーミング・高速モードの選び方
同期・ストリーミング・バッチ・高速モードのどれを使うかは、レイテンシ要件とコスト優先度で決まります。それぞれの特性と使い分けを整理します。
-
extended thinking と adaptive thinking の違い
「拡張思考を有効にする」と「適応型思考を有効にする」は別の概念です。モデルごとの対応状況と使い分けを整理します。
-
LLM でデータセットを作る際の落とし穴とマトリクス設計
LLM による合成データ生成には世代崩壊やバイアス増幅といった構造的な落とし穴がある——その根本には Chat 形式の連続生成という設計ミスがあり、マトリクス×ステートレス単一 API 呼び出しに切り替えることで解決できます。
-
OOD（分布外データ）とは何か ── LLM で合成 OOD プロキシを生成して未知データに備える
訓練データの分布外にあるデータ——OOD——にモデルは高い確信度で誤る。ラベル付き OOD が手に入らないという根本問題に対し、LLM で合成プロキシを生成する最新アプローチと、その落とし穴を整理します。
-
プロンプトキャッシングの落とし穴
プロンプトキャッシングは強力なコスト削減手段ですが、thinking パラメータの変更でメッセージキャッシュが無効になる点など、知らないと損をする挙動があります。
-
JSON 出力とソース引用
構造化出力（JSON スキーマ準拠）と引用機能を使うと、バリデーション不要のデータ抽出とハルシネーション対策ができます。2つの組み合わせ方も解説します。
-
Claude thinking の課金モデル
thinking ブロックの表示設定（summarized / omitted）に関わらず、課金は生の思考トークン全体に対して発生します。その仕組みと確認方法を解説します。
-
Claude API の思考設計の変遷
budget_tokens で「何トークン使うか自分で決める」時代から、effort で「方向性を示してあとは Claude に任せる」時代へ。設計思想の変化を読み解きます。
-
tool_choice の4種類と Claude のツール判断ロジック
tool_choice には auto / any / tool / none の4種類があります。それぞれの意味と、サーバーツール・クライアントツールの違い、effort との関係を整理します。
