#
912
2026/11/18
今日のトレンド

テスト・ローカルLLMの洞察

おはようございます! zenncast、MCのマイクです。11月19日、木曜日、朝7時になりました。今日もZennでトレンドになっている記事から、気になる話題をお届けします。

今朝は、テストの実力を確かめるツールから、ローカルLLM、AIによる開発と検証、そして膝のMRIを扱う機械学習まで、5本の記事をご紹介します。それでは、始めていきましょう!

....
まず1本目は、JavaScript向けのツール、「@mizchi/mutator」のお話です。

このツールは、コードをわざと書き換えて、その変更をテストがきちんと検出できるかを調べるものです。つまり、確かめるのは「テストがどれだけコードを通ったか」だけではなく、「テストに不具合を見つける力があるか」なんですね。

カバレッジが高くても、コードの動きが変わったときにテストが失敗しなければ、検査に抜けがあるかもしれません。逆に、変更しても影響が出ない場所から、不要なコードの候補を探せることもあるそうです。ただテストを増やすだけでは見えにくい部分に、光を当ててくれるわけですね。

導入面では、既存のVitest設定をそのまま使えるのがポイントです。さらに、Gitの差分検出や過去の検査結果の再利用によって、変更した箇所を中心に、高速に検査できるようになっています。

記事で勧めているのは、毎回すべてを検査する運用ではありません。まずは実行の速いユニットテストを対象にして、コードやテストを見直すための道具として使う、という考え方です。

「テストは通っているから大丈夫」の、その先を確かめたいときに、役立ちそうですね。

....
続いて2本目は、ローカルLLMを使ううえで知っておきたい、モデルと実行環境のお話です。

ローカルLLMの魅力は、入力を外部に送らず、手元のPCで使えること。モデルをダウンロードしておけば、通信がない環境でも動かせます。

ただし、モデル選びで見るべきなのは、メモリ容量だけではありません。文章の生成速度を左右する「メモリ帯域」も重要です。これは、メモリから一定時間に読み出せるデータ量のこと。モデルがメモリに収まるかどうかと、快適な速さで動くかどうかは、分けて考える必要があるんですね。

必要なメモリを減らす方法として紹介されているのが、「量子化」です。モデルの重みの数値を粗く丸める方法で、4bitが定番とされています。ただ、長い文章を扱う場合は、過去の計算結果を保存するKVキャッシュも増えていきます。モデル本体のサイズだけを見ていればよい、というわけではないんです。

ブラウザで動かしたい場合には、WebGPUを使うWebLLMや、GGUF形式のモデルを読み込めるwllamaが選択肢になります。その際は、GPUの対応状況や、使えるメモリの上限にも注意が必要です。

そして、小さいモデルは、長文を生成する用途よりも、分類や情報抽出に向いているとのこと。大きなモデルの回答例を学ぶ「蒸留」や、小さな追加パラメータの一部だけを学習するLoRAを使って、特定の用途に合わせる方法も紹介されています。

何でもできる大きなモデルを目指すだけでなく、手元の環境と、やりたい仕事に合うモデルを選ぶ。この視点が大切になりそうです。

....
ここからは3本目。AIによるコードレビューは、何を確かめているのか、というお話です。

AI同士にコードの欠点を厳しく指摘させる。いかにも念入りなチェックになりそうですが、細かな表現の修正や、不要な機能の提案に偏ってしまい、実際のバグを見逃すことがあるそうです。

筆者自身も、47件もの指摘を受けながら、「月末の支出が翌月に計上される」という不具合を見逃してしまったといいます。指摘がたくさん出たことと、大事な不具合が見つかったことは、同じではないんですね。

この経験から筆者が勧めているのは、AIの利用量をレビューの応酬に費やすよりも、実際に動かして確かめる検証に使うことです。

具体的には、pstackのような検証を重視する仕組みを使い、AIに対して「何ができれば完了なのか」という条件と、それを示すために必要な証拠を伝えます。そして、まずはテストや実際の操作で動作を確認する。その結果をもとにレビューする、という順番です。

先ほどのテストの記事にも通じますが、確認した気分になることと、本当に確かめることは別なんですよね。AIに厳しく意見を言ってもらうだけでなく、「どう動いたか」を示してもらう。開発の進め方を見直すヒントになりそうです。

....
続いて4本目は、Claude DesktopのCodeタブで、複数の作業を並行して進める方法です。

Codeタブでは、各セッションが作業中なのか、返答待ちなのか、それとも完了したのかを一覧で確認できます。筆者は、自作の通知ツールや監視ツールを用意せずに、5個から10個のセッションを並行して進めているそうです。

作業を分担するときのポイントは、親子セッションの活用です。親のセッションには大きな開発課題を渡し、子のセッションには個別の実装を任せる。すると、親が結果や進捗をまとめて管理する形になります。

さらに、コード変更の提案であるPRと、自動テストなどを実行するCIの状態も、画面内で確認できます。設定すれば、失敗したチェックの修正や、承認とテスト通過を経たあとのマージも自動化できるとのことです。

実装後の確認については、内蔵ブラウザを使って、画面の動作確認を任せられます。また、変更したコードの行にコメントを付けて、そこから修正を頼むこともできます。

一方で、会話をいつまでも長く使い続けないことも大切だそうです。引き継ぎメモを残して、新しいセッションに切り替える。不要になったセッションも片付けて、情報量を抑え、一覧の見やすさを保ちます。

たくさん同時に動かすだけではなく、進捗が見えることと、引き継げること。この2つが、並行作業を支えるポイントなんですね。

....
最後の5本目は、膝のMRIから12種類の異常を予測する、Kaggleコンペのお話です。

このコンペでは、約4,400件のデータのうち、完全な正解ラベルが付いていたのは、わずか58件でした。限られた正解データをどう補うかが、大きな課題だったんですね。

上位チームは、画像とレポートの両方を使って学習ラベルを作成し、レポートだけからラベルを作る場合よりも精度を高めていました。

モデルでは、隣り合う画像3枚をまとめて入力する、2.5Dモデルが主流だったそうです。また、Attention MILも広く使われていました。これは、所見ごとに重要な画像を選び、その画像を重視する仕組みです。

画像の前処理にも工夫があります。左右の膝の向きをそろえたり、半月板など、注目したい部位を切り出したりすることで、細かな異常を捉えやすくしていました。

そして、精度の数字を正しく評価するために、検証データの分け方も重要です。病院や撮影装置の特徴を覚えただけで高い評価になってしまわないよう、工夫がされていました。モデル自身の予測を学習ラベルに混ぜる場合にも、評価が不当に高くならないようにする対策が欠かせません。

推論の高速化では、画像の読み込み処理の改善や、TensorRTの活用が効果を上げていたとのこと。さらに、複数のモデルによる予測を1本のモデルに学ばせる方法も使われていました。

ラベル作り、画像の扱い、検証の設計、そして実行速度まで。限られたデータから性能を引き出すための工夫が、幅広く紹介された記事でした。

....
さて、今朝のzenncastは、5本の記事をご紹介しました。

テストが不具合を見つける力を確かめる「@mizchi/mutator」、ローカルLLMのモデル選びと実行環境、AIレビューよりも実際に動かす検証を重視する考え方、Claude Desktopでの並行開発、そして膝のMRIを扱うKaggleコンペの工夫でした。

今日は特に、「動くかどうかを確かめる」「評価の数字を正しく見る」という視点が、いろいろな話題につながっていましたね。

各記事の詳しい内容は、ショーノートに書いてあります。気になった話題があれば、ぜひチェックしてみてください。そして、番組の感想もお待ちしています。「この話が気になった」「自分はこんなふうに使っている」など、気軽にお寄せくださいね。

この番組はSpotifyやApple Podcast、YouTubeなどで毎日配信しています。気に入っていただけたら、登録や高評価をつけてもらえるとうれしいです!

それでは、次回もお会いできるのを楽しみにしています。今日も皆さんのペースで、よい1日をお過ごしください。お相手は、マイクでした!

Related episodes

内容の近いエピソードを推薦しています