#AIコーディング
11 本
GRPO・DAPO・DPOの使い分け実践ガイド：検証可能報酬ありのタスクでDeepSeek-R1流RLファインチューニングを選ぶ判断基準
GRPOの仕組みと訓練不安定の原因、DAPOがGRPOを改善する4技術、DPOとの適用タスク差を実務目線で比較。TRL v1.0のGRPOTrainer・DPOTrainer・SFTTrainerを使った実装コードと手法選択フローを実務エンジニア向けに解説する。
LLM量子化手法の選び方ガイド2026：AWQ・GPTQ・RAMP・ReSpinQuantをオンプレ/エッジ運用条件で使い分ける
AWQ・GPTQの概念説明にとどまらず、2026年に登場したRAMP（RL自動ビット幅選択）・ReSpinQuant（回転行列でW4A4精度改善）を加えた4手法をGPUメモリ制約・精度要件・推論スループットの軸で比較し、「どの条件でどの手法を選ぶか」の意思決定フローを示す実務ガイド。
DCCD論文解説：非制約ドラフト→制約付きデコードの2ステップでLLM構造化出力の精度を高める（arXiv 2603.03305）
通常の制約付きデコードはトークン単位の強制でセマンティック品質が落ちる問題がある。DCCD（arXiv 2603.03305、Avinash Reddyら、2026年2月）は「非制約ドラフト生成→ドラフト条件付き制約デコード」の2ステップで意味計画と構造強制を分離し、通常制約付きデコードに対して約78〜80.5%の勝率を達成した。outlines/xgrammarとの使い分けを含めて実務目線で解説する。
vLLM・SGLangのKVキャッシュ設定を本番チューニングする：prefix caching・量子化・ページドアテンション設定の実務ガイド
vLLM v0.8以降・SGLang最新版でKVキャッシュのGPUメモリ使用量を削減・最適化する実装ガイド。kv_cache_dtype（FP8/FP16）・--enable-prefix-caching・--gpu-memory-utilization・block_sizeの設定例と、SGLangのenable_radix_cache・mem_fraction_staticのチューニング手順を実装コード付きで解説する。
本番LLMのLoRAアダプタ管理設計ガイド：バージョニング・ホットスワップ・マージ戦略の実務パターン
複数のLoRAアダプタを本番MLパイプラインで管理するための4パターンを実装コード付きで解説する。HuggingFace PEFT＋MLflowによるバージョニング、vLLM dynamic LoRA loadingでのホットスワップ、Task Arithmetic・DARE・TIESでのマージ戦略、評価ゲート設計まで体系的に整理する。
LLM継続学習の戦略選択ガイド：EWC・リプレイ・LoRAアダプタ分離・ProCLの設計判断
本番LLMを継続的に更新する際の壊滅的忘却対策として、EWC・リプレイバッファ・LoRAアダプタ分離（O-LoRA）・プログラムメモリ型（ProCL）の4手法を追加学習コスト・推論オーバーヘッド・実装難易度・忘却抑制効果の4軸で比較し、ユースケース別の設計判断基準を示す。
AIコーディングアシスタントが幻覚するパッケージ名が攻撃面になる：スロップスクワッティングの実態と開発者が今すぐ取れる対策（arXiv 2605.17062）
5モデル・199,845プロンプトの大規模検証で明らかになったLLMパッケージ幻覚の実態。幻覚率4.62〜6.10%、127の共通幻覚パッケージ名という「スロップスクワッティング」攻撃面の現状と、開発者が今日から実践できる3ステップ対策を解説します。（査読前arXivプレプリント）
AIコード生成ツールを安全に使う開発者チェックリスト：スロップスクワッティング対策の現状と今すぐできる5つの対策
GitHub Copilot・Cursor・Claude Codeが提案する架空パッケージ名を攻撃者が先取り登録する「スロップスクワッティング」。2026年最新論文のデータを踏まえ、今日から実践できるlockfile管理・SCA統合・サンドボックステストなど5つの防御策を解説します。
【2026年版】Cursor 3.0 Agents Window 入門：マルチエージェント並列実行の開き方・使い方・実践ワークフロー
Cursor 3.0で追加されたAgents Windowは、複数AIエージェントをgit worktree隔離環境で並列実行できる専用UI。開き方・タスク分割・/worktreeコマンド連携まで実務ワークフローをゼロから解説。
AI開発環境でBunとNode.jsをどう選ぶか：2026年版の実務チェックリスト
Claude Code・Codex・Gemini CLIなどのAIコーディング環境で、Bun v1.3とNode.jsをどう選ぶべきかを実務目線で比較。速度、互換性、依存関係、チーム運用の観点から判断チェックリストを整理します。
【2026年版】AI開発環境はuvで整える：Claude・Codex時代のPython環境構築ガイド
Claude、Codex、Gemini CLI などのAI開発ワークフローでは、再現性のあるPython環境が重要です。uvでpip・venv・pyenv・Poetryを一本化し、AIコーディング時代の環境構築を解説します。