#生成AI・LLM
@kimuchi_a /
- AIは料理の構造や言葉の意味を理解していない
- 物理的矛盾や抽象的な感情の誤解、データ偏重によるハルシネーションが生じる
- AI生成画像の法的リスクや倫理的問題は使う側の管理に依存する
@Anthony Ha /
- Anthropicは5%の株式を公共利益基金に拠出すると発表した
- 基金は会社内に設立される完全子会社で、株価が50%上昇ごとに追加で2%を拠出可能、非営利団体への寄付や特定の人口層への直接配分が想定されている
- 基金の運用方針やガバナンスは今後明らかにされる予定で、実務上は今後の詳細が判断材料になる
@songchong /
- 指示は資料の中に書かないほうが良い。資料の途中に書いた指示は、4 つの条件の合計 36 回中 28 回従わない
- 資料の途中に指示を書くと、75% の位置ではどの条件でも従わない。ツールの説明や CLAUDE.md が前に入る条件では並べ方の差は 0.5 点未満
- 指示は資料の外に書く。資料を最後に置くと点数が高くなる。ツールありの条件では並べ方の差がほぼない
@songchong /
- Claude Code・Gemini・Codex に指示を守らせるための 6 つの原則が公開された
- 指示ファイルの名前と場所、指示の並べ方、指示の数、キャッシュの使い方、会話の長さ、資料の渡し方
- 指示ファイルに毎回守らせる指示を書くことで、AI が指示を守る確率が上がる
@kai-yo /
- 27Bモデルは音声タスクでの学習なしにASR性能が向上、9Bモデルより精度が悪化
- ASRタスクでの学習なしにASR性能が向上、9Bモデルより精度が悪化、4bit量子化と文長制限でVRAM24GBで学習可能
- 27Bモデルは音声と言語の一致が見られ、より精度を求めるには追加学習が必要
@SolitaireEgg /
- Gemini4がリリースされ、Gemini3.1 Proの運用を変更した
- Gemini3.8 FlashとGemini4を併用し、指示役と実行役に分ける運用に変更
- Gemini4はトークン消費が激しく、週の使用量の94%を消費するため、コストを抑えるためにGemini3.8 Flashと併用する
@Anthony Ha /
- MetaがスクラビングとAIトレーニングに関する記述を削除した
- 商業利用規約から「ウェブページやURLのコンテンツをAIモデルにトレーニングに使用できる」という記述が削除され、広告とビジネス製品に限定された
- Metaのウェブクローラーの利用方法に変更はなく、スクラビングの範囲が限定された
@nooop /
- Jetson AGX XavierでNemotron 3.5 Lightningを動かして24〜34 tokens/secで動作確認
- A3B量子化モデルとMTPの有無で速度が変化、並列処理で1.6倍向上
- MTPありは1リクエストで速く、MTPなしは並列処理でより効率的でメモリ使用量が少ない
@YuukiYoshida /
- Gemini 4 Argonは100万トークンのコンテキストを共有し、Long decodeで65,536トークンを超える出力を可能にした
- 入力・思考・出力のトークンが1,048,576で共有され、Long decodeはバックグラウンド実行で最大1,048,576トークンまで生成可能
- Long decodeを使うと処理時間が数分かかり、料金は12月1日から2倍になるため、処理内容とコストを事前に確認する
@Yuuichi Eguchi /
- LLMエージェントの基盤であるエージェントランタイム(Harness)の設計が説明されている
- モデル呼び出し、ツール実行、ステップの上限管理、プロバイダー切り替え、ストリーミング処理が実装されている
- モデルの出力が一定しないことや、ツールの副作用を管理するためのループ処理と、ステップ数のコードによる制約が重要
@ISISI007 /
- OpenCode 2.0でGLM-5.3-Flash、DeepSeek V4.1 Flash、Nemotron 3.5 Super VLの無料モデルが利用可能になった
- GLM-5.3-FlashはMoE構造で320Bの総パラメータ、DeepSeek V4.1 Flashは552Bで非対称Encoder-Decoder、Nemotron 3.5 Super VLはMamba-Transformerハイブリッド構造
- 無料モデルはOpenCode ConsoleでAPIキーを登録し、モデルIDを指定して利用する必要がある
@Russell Brandom /
- JevがVercelで最も早く採用されたAIモデルになった
- Jevは2週間で35%の有料チームが利用し、Sonnet 5.5の2倍の影響力を持った
- Jevは処理速度とコストが優れており、大規模なデータ分類に適している
@Eitaro_dotlog /
- AIエージェントを使って動画の冒頭を改善し、視聴時間を延ばす方法を実証
- 冒頭3秒の動きを数値化し、AIにルールを学習させ、変更点を1つずつ試す
- 数字はAPIから取得し、原典を確認する。動画の見せ方を改善するには、AIに言語化したルールを教えることが重要
@nishina /
- 階層ナビゲーション型RAGはベクトルDBを使わず、LLMで階層を辿って文書を選ぶ手法で、ベクトルDB版RAGと同等の正答率を達成した
- 階層ナビゲーション型は要約カードとk-meansクラスタリングで階層を作り、LLMで降りる。ベクトルDB版は埋め込みと類似度検索で文書を選ぶ
- 階層ナビゲーション型はLLM呼び出し回数とレイテンシが高かったが、正答率は同等で範囲外質問では文書を取得しないことでコストを抑えた
@Lucas Ropek /
- Cal AIはインフルエンサーを活用してバーチャル成功を収めた
- インフルエンサーの投稿でユーザー数が急増し、収益が3000万ドルに達した
- インフルエンサーに支払いを約束し、一定の利用数を確保する戦略が効果的だった
@shyamagu /
- Microsoft-Decision-1を用いて弾幕シューティングゲームをAIがプレイできるようにした
- ゲームデータをJSONで加工し、移動プラン17種類を用意して判断基準を明記
- AIの判断を安定させるために選択肢ごとの予測値を渡す工夫が必要だった
@Lucas Ropek /
- MetaがMacで動作するオープンウェイトモデル「Muse Spark Open」をリリースした
- 8160億パラメータと100万トークンのコンテキスト窓、Mac StudioのM5 Ultraチップで最適動作
- ローカルで動作させるには1テラバイトのRAMが必要で、コード修正や動画編集に利用可能
@Sarah Perez /
- Amazonはアプリの代わりにAIデバイスを個人向けコンピューティングの未来と位置づけた
- 環境対応デバイスとリアルタイム音声処理でプライバシーを確保、Beeデバイスが具体的な実装
- 音声データは処理後すぐに削除され、暗号化されたトランクリストがユーザーのみにアクセス可能
@Aditya Mehta /
- AnthropicはMETRの研究者に社員レベルのアクセスを提供して、モデルや安全対策を独立して評価させることに
- 社員と同じく社内ツールやオフィススペースを提供し、リスク評価チームと同様の情報にアクセス可能に、顧客データやモデルアーキテクチャは事前に定義されたカテゴリで黒塗り可能
- METRはAnthropicのリスクや出来事、取り組みを公開できるが、特定の情報は黒塗りされるため、その範囲を理解しておく必要がある
@Google AI /
- AndroidのCircle to Searchでテキストメッセージの詐欺をチェックできるようになった
- 長押しでCircle to Searchを起動し、メッセージに円を描くとAIが分析し、赤信号を表示する
- 赤信号が出たらメッセージを削除し、番号をブロックすることを推奨している