Scraps 最終更新 2026/11/16 11:01

#機械学習

機械学習のモデル構築、評価、運用に関する記事を集めています。データ前処理、特徴量、学習と推論のコスト、精度の測り方、モデルの更新方法など、実験を再現するために必要な情報を3行で追えます。研究寄りの話題から実務の落とし穴まで幅広く拾うタグです。

@openyanagi /

二層 k-ε モデル

  • OpenFOAM v2512に二層k-εモデルが追加された
  • 標準k-εモデルと二層k-εモデルの乱流動粘性係数計算式と、ReyStar・ReyFactorの設定値
  • y+が11未満のメッシュでは標準k-εモデルでは壁面せん断応力が正しく計算できないが、二層モデルでは改善される

@rizumita /

Qwen3.8 Flash Nextに混ざる中国語を、出力層の書き換えで消した: 27%→0%、他の重みは1バイトも変えずに

  • Qwen3.8-Flash-Nextの出力層の25,451行を書き換えることで中国語の混入を0%にした
  • 出力層の中国語トークンの行を語彙外の行に置き換え、他の重みは変更しない
  • 出力層の書き換えで中国語混入を完全に除去可能だが、語彙外の行の点数が保証されていない

@lehukuku0120 /

地理空間情報と詰将棋に見るLLMの課題 ―空間・状態・制約を扱う過程に共通点はあるか―

  • LLMが詰将棋や地理空間情報の処理で誤る理由は、認識した内容を構造として保持・更新し推論する過程の不安定さにある
  • 地理空間情報では幾何とトポロジの区別、詰将棋では利きや王手の計算が重要で、どちらも状態の更新と制約の検証が必要
  • モデルの構造改善と外部エンジンの組み合わせが課題で、認識・構造化・検証の各段階を切り分けるべき

@へいた /

Geminiで意思決定モデルが使える様になったらしい

  • Geminiに意思決定APIが追加され、1回で最大1000問を処理できるようになった
  • マルチモーダル入力に対応し、Yes/No・選択肢・スコア評価の3種類の判断形式をサポート、Jevより問数が2倍
  • Google Cloudでは現在利用不可でGoogle AI Studioでのみ利用可能、エコシステム連携は今後順次進む

@ryosuke_ohori /

Claude Fable 5.2はOpusの単価2倍、でも1タスクは約半額!? Mythos5.2との違いと使いどころ

  • Claude Fable 5.2の単価はOpus 5.5の2倍だが、1タスクは約半額だった
  • Fable 5.2の高設定で1タスク平均6.72ドル、Opus 5.5の最大設定で12.82ドル、Fableの高速モード単価は16ドル/80ドル
  • 同じモデルでも設定によって費用が大きく変わるため、タスクの内容と利用条件を明確に確認する必要がある

@ihiratch /

仕組み編:Two-Towerによる検索システム(学習・推論・配信)

  • Two-Towerモデルはクエリとアイテムを別々のニューラルネットワークでベクトルに変換し、類似度で関連度を評価する
  • クエリタワーとアイテムタワーの内積でスコアを計算し、バッチ内負例とMNSによる負例サンプリングで学習する
  • 人気アイテムのバイアスを補正するlogQ補正と、ANNによる高速検索が実装時の注意点

@hiroyuki.matsuda /

Weight-Space Programming っぽいことを Whisper でやってみた:出力層の 1 行で句点を打たせる

  • Whisper の出力層の「。」の行を 1 行書き換えると、logit に定数を足すより誤りの少ない句点が増えた
  • 出力層の「。」の行に方向 d を足す編集と、一律加算の定数を足す方法を比較し、方向編集の方が recall が高かった
  • 句読点つき prompt は話し言葉では認識を壊すが、重み編集はどちらでも CER をほぼ保つ

@ケン吉 / ゼロから作るAIアプリ開発 /

LLMスケーリング則とは?3つの時代でわかる歴史と最新動向

  • LLMスケーリング則は3つの時代に分けて発展し、現在は推論時スケーリングが注目されている
  • 2020年のべき乗則、2022年のChinchilla則、2024年の推論時スケーリングが主な変化点
  • 推論時の計算量を増やすことで性能向上が可能で、コスト配分が重要になる

@ryosuke_ohori /

Jev × scikit-learnで問い合わせを仕分ける:文章を6つの確率特徴量に変える

  • Jevとscikit-learnで問い合わせを6つの確率特徴量に変換して優先度分類するパイプラインを構築
  • Jevは返金依頼か技術か請求か緊急度を質問し、scikit-learnのロジスティック回帰で分類
  • 特徴量の列順と分類器の確率順が一致しないと評価が誤るため、宣言順を厳守する必要がある

@taka_yayoi /

新Genieの発表を受けて、Genieファミリーの変遷と構成、今後の方向性を整理する

  • Databricksが第2世代のGenieを発表し、常時稼働の自律エージェントに進化した
  • Genie Oneがビジネスユーザーの入口、Genie Agentsがドメイン専用エージェント、Genie Ontologyが文脈レイヤーとして機能
  • Genie OntologyのGAで精度向上が実証され、外部AIツールからの呼び出しも可能になった

@Julie Bort /

Databricksの新AIエージェントがCEOに正直な情報を伝える

  • DatabricksはAIエージェントGenieをアップデートし、CEOに正直な情報を伝えるようになった
  • GenieはDatabricksプラットフォームの情報から文脈を理解するオントロジーを活用し、複数ステップのタスクを自動で実行できる
  • CEOが従業員満足度調査の分析やセールスプレゼンの要約などに使っているが、150人を超える組織では従業員が直接不満を伝えるのが難しくなるため、AIエージェントの活用が重要になる

@クラウドエース株式会社 /

AIは「知的で頑固」な人物と「頑固で知的」な人物のどちらを高く評価し採用するのか?Gemini 4 Argon で検証してみた

  • LLMはプロンプトの順序によって評価が大きく変わるため、採用やレビューで順序バイアスに注意が必要
  • 同時比較では初頭効果、個別評価では新近性効果が発生し、Gemini 4 Argonでは構造化CoTでバイアスを解消できる
  • プロンプトに長所と短所を明確に分けることで順序に左右されない評価が可能になる

@Rebecca Bellan /

ニューヨーク州、AI安全法の施行でOpenAIやAnthropicに新たな監督が課される

  • ニューヨーク州がAI安全法を施行し、OpenAIやAnthropicが登録義務と安全枠組みの公開を義務付けられる
  • RAISE法案で大規模AI開発者は年収5億ドル以上で安全枠組みを公開し、72時間以内に重大事故を報告する
  • 2027年1月1日までに登録しないと100万ドルの罰金が課される