SQL SQLのEXISTSとINの違いと使い分け：NULL問題と性能まとめ
SQLのINとEXISTSの動作の違いを実例で解説します。特にNOT INはサブクエリ結果にNULLが混在すると全件0件になる落とし穴があります。性能差が出るケースやEXPLAINの見方もMySQL 8.0対応で整理。
SQL 
AI 卒業式でAI言及に批判 — 米国で広がるAI拒絶の潮流
2026年米国の卒業式シーズンに、元Google CEOのエリック・シュミット氏ら複数の登壇者がAI関連の発言でブーイングを受ける出来事が相次ぎました。世論調査でも多くの米国人がAIを信頼していないことが示されており、技術業界の楽観論と社会の受け止めのギャップが顕在化しています。
AI MoEの推論コストを半減 — ZEDA自己蒸留で事後最適化
Mixture of Experts（MoE）モデルのエキスパート計算量を50%以上削減し推論を約1.20倍高速化するZEDAが発表されました。フルトレーニング不要の事後最適化手法で、Qwen3-30B-A3BやGLM-4.7-Flashで既存の動的MoE手法を4〜6ポイント上回る性能を示しています。
AI LLMの幻覚は予測可能 — モデルサイズとデータ頻度で決まる
LLMが誤った情報を生成する「幻覚」がランダム現象ではなく、モデルのパラメータ数と学習データ内のトピック出現頻度の組み合わせで分散の60〜94%を説明できるとするarXiv論文が公開されました。幻覚の発生パターンが予測可能になれば、RAG設計やモデル選定の根拠がより明確になります。
AI マルチエージェントAI、人間チームを創造性で上回る — arXiv研究
複数のLLMエージェントが協調する「マルチエージェントAIシステム」が、6つの創造的タスクで人間チームをCohen's d=1.50で上回ったとするarXiv論文が公開されました。アイデアの新規性が主な要因で、議論の構造設計がAIの創造性を26.8%説明することも示されています。
AI OpenAI共同創業者Karpathy、AnthropicのLLM研究へ
OpenAIの共同創業者でTesla Autopilot開発を率いたAndrej Karpathy氏が、Anthropicのプレトレーニングチームへ参加しました。Claudeを使ってLLM事前学習研究を加速する新チームを立ち上げ、OpenAIとの人材・技術競争がさらに激しくなっています。
SQL SQLのCTE（WITH句）入門：基本構文とサブクエリとの違い
WITH句（共通テーブル式・CTE）の基本構文と、複数CTEの連結方法、インラインサブクエリとの可読性・再利用性の違いを実例で解説します。MySQL 8.0対応、サンプルデータつき。
AI LetinAR: AIメガネの光学部品を供給する韓国スタートアップ
韓国スタートアップLetinARが独自光学技術「PinTILT」でAIメガネ向け部品市場に参入しています。ウェーブガイドとバードバスの欠点を補う薄型・明るい設計で日本企業やスイスのARヘルメット企業と商用展開を進め、1,850万ドル調達後の2027年IPOを目指しています。
AI Meditron FO: 監査可能な臨床LLMで最高性能を達成
arXiv論文Fully Open Meditronは、学習データ・手順・評価をすべて公開した初の臨床LLMパイプラインです。47,000件の診療ガイドラインを含む医療QAで学習し、ベースモデル比6.6ポイント向上・MedGemma超えを達成し、完全公開でも最高水準の性能を出せることを示しました。
AI SaaS-Bench: 実務23アプリで最高のCUAも完了率4%未満
arXiv論文SaaS-Benchが、LLMベースのコンピューター操作エージェント（CUA）を実際の業務SaaS 23システムで検証しました。最高性能のエージェントでもタスク完了率は4%未満で、計画・状態認識・クロスアプリ連携・エラー回復の4点が主な失敗要因と特定されています。