Feature Steeringの実験 — Claudeの社会的偏見を特徴量操作で抑える
Anthropicが29の特徴量を使ってClaude 3 Sonnetを操作し、社会的偏見と能力への影響を定量評価。効く範囲と副作用をまとめます。
全438件を並べています(301〜330件目)。解説一覧のトップへ戻る
Anthropicが29の特徴量を使ってClaude 3 Sonnetを操作し、社会的偏見と能力への影響を定量評価。効く範囲と副作用をまとめます。
Anthropicが2024年6月に公開したreward tampering研究を読み解きます。おべっか(sycophancy)を教えただけのモデルが、訓練を重ねるうちに自分の報酬関数を書き換えるまでに一般化した実験の中身です。
Claude Opus 5とSonnet 5のコードレビューでrecallが下がる現象は能力低下ではなく、旧モデル向け指示への忠実さが原因です。公式ガイドが挙げる原因と、プロンプトの直し方をまとめます。
Opus 5のeffortはlow・medium・highをどう選ぶか。lowは単純作業向け、既定はhigh、難所だけxhighに上げます。Opus 5.5の既定mediumとの違いも載せました。
Anthropicは概念注入という手法で、Claude Opus 4.1が自分の内部状態を最適な条件で約20%の確率で検知できることを示しました。実験の仕組みと限界を解説します。
Anthropic APIのキャッシュ事前ウォームアップが正式機能になりました。max_tokens=0を使う仕組みと、旧max_tokens=1手法との違いを解説します。
数千件のテストでは見えない稀な危険行動を、べき乗則の外挿で数百万件規模まで予測するAnthropicの手法を解説します。
ASLとは、Anthropicがモデルの能力に応じて安全対策を引き上げる段階分けのこと。ASL-2からASL-3への移行で追加された、2024年10月の設計説明にある4層防御と100超のセキュリティ統制が何を守るのかを解説します。
MCPのホストとクライアントの違い、Elicitation/Roots/Samplingという3つの機能、stdioとStreamable HTTPで接続方法がどう変わるかを整理する。
Claude Codeのキャッシュ時間(TTL)は、サブスクのメイン会話が1時間、APIキーなどは5分です。キャッシュが壊れる操作、warm表示の読み方、TTLの選び方と利用上限への効き方を説明します。
Claude 4.7以降の新トークナイザーがトークン数を約30%増やす仕組みと、移行時に再計測が必要になる理由をまとめます。
Claudeは長辺だけでなくビジュアルトークンの上限でも画像を自動縮小し、返す座標は縮小後の画像基準になります。A4スキャンの実例と、事前リサイズ・エラー化・座標逆算という3つの対処法をまとめます。
Bedrock Converse APIはCitationsを有効にしないとPDFの画像・グラフを見ずテキスト抽出だけに落ちます。2つの処理モードの違いと、Citations有効化とInvokeModel移行という2つの直し方をまとめます。
Claude Fable 5.1はFable 5の後継で、$10/$50は据え置きのままキャッシュ読み取りが$0.25に下がりました。キャッシュの損益分岐、3つの破壊的変更、Claude CodeとAPIでの使い方をまとめます。
一部のConnectorは会話内にダッシュボードやボードをそのまま描画し、操作までできます。表示形式・対応連携先・セキュリティの仕組みをまとめます。
Claude APIが提供するツールのtypeには_YYYYMMDDのバージョン番号が付きます。番号の意味は機能追加・モデル別・変種・後継など5パターンに分かれ、読み違えると挙動を誤解します。
Claudeは画像を28×28ピクセルのパッチ単位でトークン化します。⌈幅/28⌉×⌈高さ/28⌉という計算式と、標準・高解像度2つのティアの違い、モデル別の概算コストをまとめます。
Claude APIのdefer_loadingは、ツール定義をシステムプロンプトのプレフィックスから外すことでプロンプトキャッシュを保ったままツールを増やせます。仕組みと制約を解説します。
Citationsは入力トークンをわずかに増やす一方、応答に含まれるcited_textは出力トークン・再送信時の入力トークンのどちらにも数えられません。課金ロジックと自前プロンプトとの費用差を検算します。
Web Search・Web Fetch・Code Executionの結果は、1時間TTLを設定していても常に5分TTLで自動キャッシュされます。仕組みと料金への影響、usageの読み方を解説します。
個人情報保護委員会が2023年に出した「生成AIサービスの利用に関する注意喚起等」の各項目を、Claudeの契約文書・保持期間・設定にどう対応させて確認するかを示します。法的助言ではなく確認材料です。
Claude DPAを結べば個人情報保護法28条は満たせるのか。Anthropicは米国法人で、米国は個人情報保護法28条の「同等水準の国」に入りません。委託でも28条は外れない点とSCC条項の範囲を確かめます。
生成AIサービスへの個人データ入力が個人情報保護法の第三者提供にあたるかは、委託の例外が効くかどうかで分かれます。分かれ目になる考え方をClaudeの契約構造と照らして検討します。
Claudeの答えがおかしい、頭が悪いと感じる最大の原因はハルシネーションです。起きる仕組みと、誤りを減らす4つの対処を解説します。
Claude EnterpriseのSCIM同期は毎分ポーリングの自動同期と、管理者が起動する手動同期の2系統で動きます。反映が遅れる理由、退社時のデータの扱い、再同期で人が消える条件を解説します。
Anthropic Academyの資格は、無料のコース修了証と有料のClaude Certified認定試験で別物です。受験できる人の条件、Pearson VUEでの受け方、23コースの選び方を解説します。
Claudeのチャット削除は、履歴からは即時、バックエンドからは30日以内に消えます。履歴が消えた原因の見分け方、例外で残るデータ、保持設定とZDRの範囲も扱います。
Team・Enterpriseのデータは組織が管理し、窓口はPrimary Ownerです。適用される利用規約、Ownerとの権限差、退職時の扱いを説明します。
Claudeの請求先住所の変更口、納税者番号(Tax/VAT ID)の入力先、請求書の宛名の直し方を契約形態別に示します。日本の消費税は2026年4月から10%です。
ClaudeとGrokの違いを、利用上限・API単価・画像と動画の生成・コーディング・安全性の運用で比べ、どちらが自分の用途に向くかを切り分けます。