I joined Anthropic on the second day of its two-day event focused on developers and founders using Claude Code. What did I learn?

はじめに こんにちは。Research Engineerの髙瀬です。 最近のAI開発では、モデルが生成したテキストの品質を人間が手動でチェックする代わりに、別のLLM（大規模言語モデル）に採点させる「LLM-as-a-Judge」という手法が広く使われるようになっています。 以…

RevComm が社内の LLM 呼び出しを集約するために自分たちで作った LLM Gateway の設計を紹介します。LiteLLM Proxy Server ではなく litellm をライブラリとして使い、マルチプロバイダー統一・国内処理制約・フォールバック戦略・コスト可視化をどう実装し…

Background The release of DeepSeekMath[1] and DeepSeek-R1[2] brought Group Relative Policy Optimization (GRPO) into the spotlight, and it quickly became one of the most widely adopted post-training algorithms in the open-source LLM communi…