なんか最近AI関係のニュースが多すぎるので、上旬と下旬で分けます。
AI
Claude Codeを上手く活用している人は、使いどころが明確です。
— 木内翔大＠SHIFT AI代表「日本をAI先進国に」𝕏 (@shota7180) 2026年6月5日
得意な業務を理解して使うことで、効率化を実感しやすくなります。
まず押さえておきたい活用法を整理しました↓ https://t.co/N433zIVRtY pic.twitter.com/Xu995Dheij
OR-Spaceが公開された（https://arxiv[.]org/html/2605.28158v1）。LLMエージェントが産業現場で本当に使える最適化エンジニアかを測る、新しいベンチマークだ。… pic.twitter.com/FrvkA1rTR3
— Itaru Tomita / 冨田到 (@itarutomy) 2026年6月11日
【ローカルAI爆速化】GGUFとUnslothでLLMを快適に動かす方法！⚡️
— ハカセ アイ(Ai-Hakase)🐾最新トレンドＡＩのためのＸ 🐾 (@ai_hakase_) 2026年6月11日
👉 pic.twitter.com/nupZ386TFb
重いLLM（大規模言語モデル）をローカル環境で軽快に動作させるための最適化技術をご紹介します！…
はえ〜、参考になる
— t.toda (@Trtd6Trtd) 2026年6月11日
自分はPythonとかTSとかLLMが得意そうな言語で試していたので見えてなかったな
メモリが潤沢ではないPCでローカルLLMにコーディング質問した結果｜okamyuji https://t.co/bgMhtszXJ2 #zenn
読み終わり！
— バーチャルデータサイエンティスト アイシア=ソリッド (@AIcia_Solid) 2026年6月9日
中身は知ってましたけどね👀
とはいえ、読んでいてやはり、Improved DDPM を良く分かっていないっぽいので、明日はそれを読もうかと思います👀
[2207.12598] Classifier-Free Diffusion Guidance https://t.co/XEiJcHOAPn
🔥【メモリ制限を突破！】超軽量＆高性能な「Gemma 4 (QAT版)」が登場！🚀
— ハカセ アイ(Ai-Hakase)🐾最新トレンドＡＩのためのＸ 🐾 (@ai_hakase_) 2026年6月11日
👉 pic.twitter.com/NNRGfvUfiI
Google DeepMindが開発した「Gemma 4 (QAT版)」が、AI開発の常識を覆します！
「Quantization-Aware…
⚡️LLM推論を高速化する！画期的な「KV Cache」メモリ最適化のすべて⚡️
— ハカセ アイ(Ai-Hakase)🐾最新トレンドＡＩのためのＸ 🐾 (@ai_hakase_) 2026年6月9日
LLM（大規模言語モデル）のテキスト生成が劇的に速くなる最新の最適化技術が登場しました！
LLMが推論する際、過去のトークン情報を一時保存する「KV… pic.twitter.com/tzPAOqiTI0
On-Policy Distillation (OPD) の学習の幾何学について調べたみたい。
— バーチャルデータサイエンティスト アイシア=ソリッド (@AIcia_Solid) 2026年6月10日
なんか、私はこっちにあまり詳しくないのでちゃんと理解できてないと思うけど、
SFT や RLVR とはまた違った特徴を持つらしい。
特に、OPD の場合、その更新方向が初期にかなり低次元に落ちるらしい。… https://t.co/R3DF6EFpwY
> Claude Code 自体のソースコードのうち、AIが「次に何をすべきか考える」ためのコードは 1.6% ほど。残りの98.4%は、ユーザーにとって気持ちよく・安全に動くようにする 「ハーネス（harness）」 になっている
— redtea (@Syuiro_2) 2026年6月10日
「Claude Code」を支える技術｜Atsushi Kadowaki https://t.co/5Emuf7rAsb #zenn
Cursor Agentでマニュアル業務をプロンプト化→エージェント駆動で自動実行する「育成術」と、MCP（Model Context Protocol）を活用した外部ツール連携の入門。デモ満載で即実践できる内容です。
— Dataibridge (@Dataibridge_01) 2026年6月10日
⁰・Cursor Agentでプロンプト自動生成→実行→フィードバック改善のループ（例:…
正解データがないLLMアプリをどう評価するか:3軸と自動評価パイプライン｜井本 賢 | WebRTC×音声AI / LLMO https://t.co/Kgjjnp28bL #zenn
— Yasuhiro Morioka (@morioka) 2026年6月6日
ローカルLLMのモデルで今1番好きなのこれ
— 珠音こころ (@tamanekokoro) 2026年6月4日
Qwen3.6 35B A3BにOpus 4.7蒸留して無検閲化したヤツ
huihui_ai/Qwen3.6-abliterated:35b-Claude-4.7
これがRadeon780M積んだだけの6万円台のパソコンで20t/sで動くの意味わからんわって感じ
同じMoEのGemma4 26B A4Bより全然良い… pic.twitter.com/rodlumg9Xa
「CLAUDE.mdを自動で育てるシステム」が論文になった（https://arxiv[.]org/html/2605.23904v2）。… pic.twitter.com/X5c02B7CHZ
— Itaru Tomita / 冨田到 (@itarutomy) 2026年6月4日
ほえぇ、知らなかった！ https://t.co/5f3WJXZgZX
— バーチャルデータサイエンティスト アイシア=ソリッド (@AIcia_Solid) 2026年6月4日
ローカルLLMでHermes Desktopを動かすことに成功！！ https://t.co/Y9J8lEyyW8 pic.twitter.com/5ikXnpbHM9
— 金のニワトリ (@gosrum) 2026年6月3日
もうプロンプトを書くな──「Loop Engineering」という新しいパラダイムの正体｜シンウフム(wooheum xin) https://t.co/HM3IXNcoKo #zenn
— Kazunori Sato (@kazunori_279) 2026年6月14日
もうプロンプトを書くな──「Loop Engineering」という新しいパラダイムの正体｜シンウフム(wooheum xin) https://t.co/HM3IXNcoKo #zenn
— Kazunori Sato (@kazunori_279) 2026年6月14日
数学
初記事です！組み合わせ論の定理を位相空間の定理を用いて証明するという内容になっています。位相空間論の基礎以外の前提知識はないのでぜひ読んでいただけると嬉しいです！
— マスカット (@BvTQGzYXsp22533) 2026年6月15日
ヒンドマンの定理をストーンチェックコンパクト化を用いて証明する
https://t.co/5OvSNmB374
#Mathlog
この本とても良いです。統計学は全て列挙するのが不可能な対象について統計量を取ることで扱えるようにする学問ですが、勉強の段階では全て列挙すべきなのに黒板だと「面倒だから」できない。コンピュータで全てプロットすればできるので図を惜しみなく使う本は合理的。 https://t.co/Xqwdi3mu8z
— tanu (@tanukiponkich) 2026年6月19日
📌📚Linear algebra finds extensive applications in diverse areas. In machine learning and data science, it forms the backbone of many algorithms for tasks like regression, classification, and dimensionality reduction. https://t.co/zjMK5xhQS2#DataScience #pythonprogramming pic.twitter.com/SQzGZsevrN
— PYOFLIFE.COM (@Parajulisaroj16) 2026年6月14日
データサイエンス
データサイエンティストのためのAGENTS.mdとSkills｜redtea https://t.co/FkfqxX5FwP #zenn
— I.T.@DS勉強中 (@TIt45578272) 2026年6月4日
めっちゃわかりやすい
PoCで止まるGraphRAGと本番に乗るGraphRAGを分ける4ステップ｜井本 賢 | WebRTC×音声AI / LLMO https://t.co/evLhBQamCb #zenn
— Yasuhiro Morioka (@morioka) 2026年6月5日
青果需要予測の誤差要因分析でやったこと｜アポロ株式会社｜APOLLO, Inc. @apollo__inc https://t.co/C7hxN9IF22
— Yasuhiro Morioka (@morioka) 2026年6月4日
【shap図って知ってる？】
— タランチュラ | データサイエンティスト (@tarantula_ds_) 2026年6月1日
shap図は実務でかなり有効なツールです。
特徴量重要度は、重要度の大きさは分かるけど、変数と目的変数の相関は分からないですよね。
その相関の関係性が分かるのがshap図です。
因果ではない点に注意しましょう！ pic.twitter.com/eTtbJHKhlo
Kaggleで「今すぐ使える」役立ちアイテム（ツール・サービス・Tips・良資料・Notebook）を一挙紹介。開発環境・学習パイプライン・モデル構築の効率化からデータ処理の裏技まで、コンペ参加を快適にする実践知見が詰まっています。
— Dataibridge (@Dataibridge_01) 2026年6月5日
⁰・開発環境：Google Cloud連携・Kaggle…
Kaggle（2x Master）で培った経験が、Sansanの実務でLLMファインチューニング＆推論の精度向上・コスト削減にどう直結したかを、リアルな思考法と成果で解説。
— Dataibridge (@Dataibridge_01) 2026年6月3日
Kaggleの「実験感覚」が現場を劇的に変える実践知が詰まってます。
⁰・Kaggle…
統計的因果推論の基礎（Potential Outcome Framework、Causal Graph、Do-Calculus）とデータ解析の関係を、PSM・IV・RDDなどの実務手法まで図解たっぷりで整理。交絡の落とし穴や運用注意点を徹底解説した2019年の名資料です。
— Dataibridge (@Dataibridge_01) 2026年6月9日
⁰・Potential Outcome FrameworkとCausal…
Kaggle Notebook上のPython処理をNumba・C++・JAX・CUDAなどで劇的に高速化・並列化する実践テクニック。最大18万倍速の実測ベンチマークと、実際のコンペ実例まで一気に整理。
— Dataibridge (@Dataibridge_01) 2026年6月2日
⁰・Numba（JIT）で42倍、C++移植で47倍、OpenMP/SIMDで5000倍超のコード例とベンチマーク（Mandelbrot計算で実測）…
＊＊＊TECHブログ更新＊＊＊
— 株式会社AI Shift (@AIShift_inc) 2026年6月15日
Local LLMを使ってtitanicのEDAを試してみましたhttps://t.co/6dpeXx18E9
数式ほぼゼロでベイズ推定の本質がスッキリわかる資料。数式を極力使わず、直感的な例（女の子の気持ちや天気など）でベイズ推定の考え方を解説。点推定との違いや「信念の更新」プロセスをイメージで掴める。⁰・点推定（最尤推定）とベイズ推定の違いを、具体例で体感できる…
— Dataibridge (@Dataibridge_01) 2026年6月15日
その他
実際、人の評価はどう決まっていくのか。ほぼ「最初の接点だけ」で決まります。https://t.co/EIlzWdabkW pic.twitter.com/B8JKG9Rmo1
— はるゆき｜伝え方のすべて (@haruyuki031) 2026年6月3日
コメント