サイエンス
AIがAIアルゴリズムを自ら設計：Claude Codeが40ドルで発見した推論コスト7割削減の手法とは
AutoTTSは、LLMの推論コストを削減するため、制御アルゴリズムの探索自体をAIに委ねるという発想で開発された。Claude Codeを探索エージェントとして活用し、わずか39.90ドルでトークン使用量を約70%削減するアルゴリズムを自律発見した。この低コストは、AIによるアルゴリズム発見が個人研究者やスタートアップにも開かれつつあることを示している。
Tech Product
DeepSeek-R1-Distill-Llama-8B
Overview
最終更新: 2026年7月9日DeepSeek-R1が生成した推論データを用いて、MetaのLlama-3-8Bなどのより小さなモデルを微調整（蒸留）したモデル。巨大なパラメータを持つオリジナルモデルの論理的思考プロセスを軽量モデルに継承させており、比較的少ない計算リソースで高い推論性能を発揮する。AutoTTSの汎用性検証にも用いられた。
Mentioned Articles
2 件
External Mentions
7 件- arXiv RoPE-Aware Bit Allocation for KV-Cache Quantization
- arXiv Adaptive and Explicit safe: Triggering Latent Safety Awareness in Large Reasoning Models
- arXiv ReasonAlloc: Hierarchical Decoding-Time KV Cache Budget Allocation for Reasoning Models
- arXiv Beyond a Single Direction: Chain-of-Thought Disrupts Simple Steering of Refusal
- arXiv When Are Teacher Tokens Reliable? Position-Weighted On-Policy Self-Distillation for Reasoning
- arXiv Minimal-Intervention KV Retention via Set-Conditioned Diversity
- arXiv STOP: Structured On-Policy Pruning of Long-Form Reasoning in Low-Data Regimes