2.6B で端末内エージェントはどこまで動く? LFM2.5-2.6B の設計・学習・評価を読む
LFM2.5-2.6B の端末内エージェント性能を、22 個の短畳み込み層と 8 個の GQA、34 兆トークン学習、Agentic RL、3 種類の評価、プライバシー境界、実運用での向き不向き、商用ライセンス条件まで一次情報から読み解きます。
日系SIerから外資系ITに転職した人の雑記 A blog by a person who changed jobs from a Japanese SIer to a foreign IT company.
LFM2.5-2.6B の端末内エージェント性能を、22 個の短畳み込み層と 8 個の GQA、34 兆トークン学習、Agentic RL、3 種類の評価、プライバシー境界、実運用での向き不向き、商用ライセンス条件まで一次情報から読み解きます。
メドレーの新職種「Applied AI Developer」を、年収総額 6,000 万円超の話題だけでなく、AI が自律的に回る仕組みを作る人材をどう定義・評価するか、他社事例や採用市場の変化の流れも交えて職種設計の観点から読み解きます。
Codex の `/goal` コマンドの実装を、ローカルバイナリ・SQLite DB・セッションログ・公式 GitHub の四方向から解剖した記録です。`thread_goals` テーブルの CHECK 制約、毎ターン注入される `<codex_internal_context>` の全文、`update_goal` がモデルに許可するステータス遷移、そして「23 秒で目標達成」と表示される仕組みまでを順に追います。
LangChain の「The Anatomy of an Agent Harness」を起点に、エージェント = モデル + ハーネスという見方を分解。ファイルシステム・bash・サンドボックス・メモリ・コンテキスト腐敗対策・長時間実行までの構成要素を、自分の GitHub Copilot カスタマイズ設定と Claude Code / Codex の harness と並べて読み直した記録です。