それに同意するわ。LLMが人間ほど上手くできない他のことを抜きにして、専門家レベルの知識として読んでね。LLMの知識の表現方法はちょっと異質で、確かにそれらは単純化しすぎてる。例えば、LLMはトップクラスのコーダーほど上手にコードを書けないけど、最初から最後まで繰り返しなしで非自明なプログラムを書くことはできるんだよね。

博士号の主な目的は、単に膨大な既存の知識を得ることではなく、研究を行う方法を学ぶことだ。博士号を取得したからといって、誰もそのテーマに興味を持つわけじゃないよね？重要なのは、研究を行う方法を学んだことだけだ。

でも、研究をどう進めるかを学ぶことが大事なんだよね。それに、PhDレベルの知識って、正しい質問を考えることだと思ってた。せいぜい「怠けた知識豊富な労働者」って感じで、自分から聞かない限り仮説を探求しない。PhDならその質問を自分に投げかけるはず。例えば、最近Claude Code（Max Proサブスクリプション）が、別のテストスイートの一部としていくつかのテストアサーションをコメントアウトしてたんだ。それは、元の計画に誤った仮定があったせいで、深刻なバグを探求しようとしなかった。だから、超思考して、なぜ失敗してるのかを探るように計画を変えるように頼まなきゃいけなかった。バグは、ORMオブジェクトがコミット後にリフレッシュされてなくて、閉じられた別のDBセッションによって取得されたためにnull値になってたんだ。

PhDって知識だけじゃないって理解してるなら、やっぱりその知識に簡単にアクセスできるのは超価値があるよね。前の仕事では、伝統的にはPhDレベルの人にしか答えられないような質問がよくあった。たとえば「一方向に電圧をかけたら、二つの材料のインターフェースはどうなるのか」みたいなやつ。これが意外と答えるのが難しいんだけど、LLMは結構いい仕事してるよ。

これも私の経験だよ。大きなデザインアイデアを検証して洗練させるために、普段はAI Studio経由でGemini 2.5 Proを使ってる。洗練された要件をClaude Codeに持っていくと、大体ちゃんとコーディングしてくれる。最近Gemini CLIも試してみたけど、Claude Codeの鋭いコーディングスキルには全然及ばない。文法ミスをよくするし、行き詰まって抜け出せなくなることも多い。出力が冗長すぎて（しかも速いから）、何をしようとしてるのか追うのが難しい。Claude Codeはデバッグ能力がずっと優れてるよ。「大きなアイデア」の推論キャンプの別の候補はDeepSeek R1。こっちは遅いけど、大体の場合、問題を分析して一発で正しい解決策にたどり着ける。

全然可能だと思う。一般的に、Sonnet/Opus 4は最高の出力ではより強力だけど、他の面（整合性や一貫性）ではSonnet 3.5v2（よくSonnet 3.6と呼ばれる）よりも後退してると思う。Sonnet 3.7もそうだったしね。それに、モデルは複雑なオブジェクトで、時には、紙の上では弱いモデルが特定のドメインでうまく機能することもある。さらに、インタラクティブな使用とエージェントでは、異なる強化学習のトレーニングが必要で、時には整合したターゲットに向かないこともあるから、モデルの使い方によってその性能が変わることもあるよ。

さらに悲しいのは、LLMに関する投稿のたびに現れて、私たちのポジティブな体験は妄想で、実際にはどれだけ悪いか気づいていないと言う人たちだよね。

私の投稿読んだ？読んでないといいな。この投稿はRedisとは関係ないし、会社に再入社する前に書いた投稿のフォローアップなんだ。