Williams' Screenwriters Taxonomy がとても良かった．これは入社即読んだ方が良かった．

魚屋さんが屋台で売ってた。かなりおいしい。過去食べたやつは「食べられる」程度だったけど、これは明確に「おいしい」カテゴリに入る。写真白飛びしちゃったけど。

British traditional Jellied Eels

うちの組織内コミュニケーションはすでに概ねこれっすね．相手が使うLLMと自分が使うLLMが同じ保証があるし，組織共通の SKILLS で背景知識が補完されてるし，最悪人に聞くこともできる．ドキュメントを二重管理して乖離するリスクのほうがはるかに大きい．

客としては受け入れがたい 再現可能な詳細仕様書（ソースコードのソースコード）を納品する世界がやってくると思います。 仕様駆動開発はやめた方がええ share.google/PKKsuTSwJMuo...

今月も Octopus Energy さんから 1k 超えの請求が来た．そろそろなんとかしてほしい．

Claude に「証明を一行ずつ追いかけて，間違っているところやフォローできなくなるところがあったら教えてください」をやってる．多分人間より精度高い．

論文で初めて Robertson Seymour を使うことになって嬉しい．これでやっとグラフ理論をやった気がしてきた．

カフェを開いてカフェの所属で論文を書きたい

brilliant weather

線型代数ほんとむつかしい．

Claude, Gemini, ChatGPT の中だと Claude が二回りくらい品質の高い査読を返してくれる．とりあえず Gemini が一番ひどい．

なんか知らんがゲージ理論を勉強することになったぞ．どういうことだ．

上が Claude Code の使用トークン数を KPI にしたため独走体制になった．

「これらの主張の証明複雑だけどうまく一般化したら簡単にならんかね？」って AI に聞いたら「conservation law of proof complexity」と言われて説得されてしまった．

Lean、おもちゃとして面白いけど自分が示したいことを示すには全然遠い。組合せ論パズルとかAIの得意分野であるべきだと思うけどインフラが揃ってないせいでダメ。

brewdog 閉店さみしい．よく work from pub をしてた場所なので．

サンプルサイズそのものは多い（→ scalability は気にしてる）んですけど，分散を評価するためには同じデータセットに対して複数回アルゴリズムを走らせないといけなくて，それを各位サボってますね（→ statistical correctness を無視してる）．LLM 系の一発実行するだけで１ヶ月飛ぶようなやつはしゃあないんすけど．

Just Use Postgres! なる奇書を読んでる

✨

うおお研究の雑談をしたいうおお

理論の論文だし，実際しても差なんか出ないのがわかってるのに，AWS で GPU 借りて実験をぶん回すの結構悲しいものがあるな．

これが本当に正しい気がしてきた．まともに標準偏差の推定値を得ようとしたら N=50 とか N=700 とか必要になるけど ML の実験でそれは非現実的だから，統計的な信頼度はそもそも期待しておらず，「複数回実験したけど壊れませんでした」のエビデンスととらえたら N=3 になる気がする．

何回か実験した感を出すのに重要（おしまいの世界）

読んだ複数のML論文がサンプル数３で標準偏差を計算してるんですけど，これなんの意味があるんですか．

三角関数はよく使うけど検索が難しいのでちょっとやっかい．ぱっと思いつくのはこれとか ieee-focs.org/FOCS-2018-Pa...

「フーリエ変換はコンピュータサイエンスの対象ではない」と言ってる方を見たけど，こういうのは分野の人がどう考えているかを見るべきで，FOCS がフーリエ変換のワークショップを開催している以上，フーリエ変換はコンピュータサイエンスの対象です． groups.csail.mit.edu/netmit/sFFT/...

British traditional Paella

いずれプログラムを書くかもしれないと思って設計されたプログラミング演習と、いずれ AI にプログラムを書かせるかもしれないと思って設計されたプログラミング演習は違うはずなんだけど、後者がどうあるべきかはよくわかんない。

多項式大好き！一番好きなタコです！

うーん．Mersenne prime modulo の modulo_add/modulo_mul を使うことにしてもまだ単純な wrapping_add/wrapping_mul に比べて 30x くらい遅い．困る．

間違ってる数学の証明を渡したとき Gemini 3.1 Pro, ChatGPT 5.2, Claude Opus 4.6 の中で Claude だけが正確に間違いを指摘した．たぶん別の間違った証明を渡すと別のアウトカムになる．どのモデルがどうみたいなの，なんも言えんと思うよ．

これ系でよく使ってる例に「SNSのフォロー・被フォローのダイナミクスは物理か？」がある．物理の初学者はもっと硬派なものだけを物理とする立場をとりがちだけど，物理の専門家は PhysRevE にそういう論文が山ほど出てるのを知っているので物理に含める立場をとりがち．

学問分野の名前なんてのは中にいる人がどう考えてるかで決まるものなので，実際に論文誌にどう登場するかを見る方がいい． 例えば名前が上がってる SOLID 原則とかは Software Engineering 系の雑誌に出るから SWE の対象なのは疑う余地がないけど，たまに Computer Science 系の雑誌にも出てるので，CS の対象ではないとするのは強すぎる． staff.fmi.uvt.ro/~daniela.zah...

silasol.la/posts/2026-0... 「サイエンス」を客観的事実に関するものとして考えてるように見えるけど，経験知だって全然サイエンスが扱う対象なので，ちょっとこれは言葉の定義が狭そう．

Prime Minister announces seven new stations and major rail funding commitment

Claude Code の Agent Team 面白い．面白いけどどれくらい生産性に寄与してるかはよくわからん．

arxiv.org/abs/2511.12838 Zozo からプレスリリースが出てたこれ，証明壊れてないっすか．

👀!

手元の実験で Test Acc 100% を見てにっこり

どこかに論文のたまごを斜め見してくれる人（場所）はおらんかえ．以前使ってた slack チャンネルに久々に入ってみたら東大に編入されてて勝手がわからなくて困ってしまった．あまりに理論理論しすぎてて社内ではフィードバックを貰いきれん．

Python があまりに遅いので論文の実装を Rust にせざるを得ない

LLM (Claude Code) がわたしが書いた証明を理解してくれなくて困ってる．対話形式で： [わたし] どこがおかしいと思いますか？ / [AI] ここにギャップがあります / [わたし] いいえ，それはここで明確に示されています．他にありますか？ をやると納得させられるけど，初見で読ませると毎回ループして overthink mode（1h くらい無駄にトークンを消費し続ける）に入ってしまう．

論文執筆的な面でいうと，AI のおかげで「時間がなくて実験ができない（理論しか埋められない）」という状況がなくなったように見える．メソッドをちゃんと書いて実験設定を書いて「これに従って実験してください」と伝えるだけでやってくれる（やってくれなかったらメソッドか実験設定の書き方が悪い）．下手に自分で実験するよりもバイアスが乗らない分マシまである．

AI 生成の技術まとめ記事について，誰かが書いてた「知らない人が AI で生成したプロンプトもわからない記事を読むくらいなら，自分で生成したほうがいい」というのが本当にそのとおりだなと思うようになってきた．記事の Personalisation の時代だ．

インダストリアルペーパー書いたことがなくて書き方が全然わからんちん

RecSys 開催場所が Minneapolis なのがしんどいな

証明できた．当初のドラフトからだいぶ簡単化できた．GNN の論文になるけど実験はしたくないわね……．

証明が全然綺麗にまとまらんけど，結果が正しい確信はあるので気楽に進められる．

"simpler proof" を作るつもりだったのが 30 pages になった．simpler とは？？？