Scraps 最終更新 2026/11/16 12:31

#機械学習

@Lindsey Lanquist /

妊婦の超音波検査アクセス向上に向けたAI活用

  • Google研究者はAIを活用して妊婦の超音波検査アクセスを改善している
  • 医療従事者に「ブラインドスイープ」超音波検査を8時間で訓練し、機械学習モデルで結果を解釈する
  • 超音波検査の実施者が専門技術者でなくても可能になるが、AIモデルの正確性が結果に大きく影響する

@Anna Heim /

Mistralの新しい1Tモデルは閉鎖型とオープン型のライバルを凌駕することを目指す

  • Mistral AIが1TパラメータのマルチモーダルモデルMistral Large 4を公開した
  • 1Tパラメータでオープンウェイトモデルではないが3週間後に公開予定、NVIDIA GPU4000台で訓練
  • オープンウェイトモデルのセキュリティ対策と特定分野での競合他社モデルの性能向上が注目される

@tikeda123 /

「ドル円は上がるか」から「どの通貨が強いか」へ ― 通貨クロスセクション・モメンタムの仕組みと限界

  • クロスセクション・モメンタムは通貨間のリターン差を予測する戦略で、MOM(1,1)はコスト控除前年9.46%の収益を示した
  • MOM(1,1)は過去1か月のリターンで並べ、1か月保有する戦略で、キャリートレードやMAルールでは説明できない収益があった
  • コスト控除後は年3.92%に低下し、先進国通貨に限定すると収益が大きく低下する

@よさ /

1年かかるはずだった分析からAIモデル改善までを、3日で実現した

  • Claude Codeを活用してA/Bテストの分析から推薦モデル改善までを3日で完了
  • ai-analystリポジトリにドメイン知識を格納し、サブエージントでSQL実行とレポート作成、Opusで報酬設計とパラメータチューニング
  • 分析と実装を分離してもレポートと指標定義を残せば改善サイクルを継続可能で、人間の役割は問いと方針設定に集中できる

@koki takeishi /

Context Ontology Acceleratorの仕組みを理解する

  • Context Ontology Acceleratorはデータの意味と関係をオントロジーで管理し、AIエージェントが質問に応じた回答を生成する
  • オントロジーでデータの概念と関係を定義、指標で計算式を登録、文書で根拠を説明、自然言語からSQLを生成する機能がある
  • オントロジーの定義が不完全だと生成されるSQLの結果が変化するため、データの意味を明確に定義する作業が重要

@Rebecca Bellan /

Reflection、中国モデルと同等の性能を低コストで実現するオープンAIモデルBeamを発表

  • ReflectionがBeamというオープンなAIモデルを発表し、中国モデルと同等の性能を低コストで実現
  • Beamは5010億パラメータで230億アクティブパラメータ、GLM-5.2と同等の性能を3〜4倍少ない計算コストで達成
  • 企業や政府が独自のAIシステムを構築するための「AIファクトリー」戦略を採用し、NvidiaのGPUを活用する

@Jagmeet Singh /

HackerRankのAIインタビュアーが求人評価の未来を示す

  • HackerRankがAIインタビュアーChakraを一般提供し、求人評価の仕組みを変える
  • AIが答えだけでなく、問題の解決プロセスやAIとの連携能力を評価し、従来の3段階の採用プロセスを1つに統合する
  • AIによる評価は企業が測定できる指標を拡大するが、バイアスの問題や規制対応が求められる

@Gen Tamura /

データ量を 4 分の 1 にしても答えが大きく変わらないのはなぜか?LLM の 4bit 量子化の仕組み

  • LLMの重みを4bitに量子化しても性能が大きく変わらないのは、外れ値を避けてグループ単位で量子化し、要所を混合精度で残す工夫があるから
  • 外れ値は活性値に集中して4bitにしない、グループサイズで巻き添えを防ぐ、埋め込み層など要所を6bitで残す
  • 4bitにしたモデルは重みの3分の1まで削減可能だが、外れ値対策と混合精度で性能を維持している

@mizchi /

俺のAIプログラミング手法(2026/10/05)

  • AIプログラミング手法として、人間の役割と評価指標の定義、ループ構築、形式手法の活用が提案されている
  • 評価指標の改善とCIのチューニング、形式仕様の検証にTLA+やZ3の使用が挙げられている
  • 評価指標の数値化が重要で、主観的な判断は避け、具体的な数値に落とし込むべきである

@レトリバ広報 /

in silico オフターゲット解析に向けた近似文字列探索の高速化

  • in silicoオフターゲット解析の近似文字列探索を高速化する手法が提案された
  • 双方向FM-indexとバッチ処理、プリフェッチを組み合わせて、ハミング距離とレーベンシュタイン距離の両方で検索を高速化
  • ハミング距離ではバックトラッキングより10.7倍高速、レーベンシュタイン距離では6.8倍高速で、延伸回数も半分に削減された

@sakai1250 /

結局、Looped Transformerってなんや?

  • Looped Transformerは同じTransformerブロックをdepth方向に繰り返して使うアーキテクチャ
  • 同じ重みを繰り返し適用するweight-sharingと、反復アルゴリズムに適した構造の違い、test-time computeの増加方法
  • loop数を増やしても性能が必ずしも向上しない、停止条件の判断が難しいなどの課題が指摘されている

@Sarah Perez /

Apple、AIエージェントのリスクを理由にmacOSのフルディスクアクセス制限を強化

  • AppleはAIエージェントのリスクを理由にmacOSのフルディスクアクセス制限を強化する
  • フルディスクアクセスはアプリにファイルやメッセージの読み取り権限を与える設定で、AIエージェントがシステム全体にアクセスできるようになった
  • ユーザーが明確な操作をしないとアクセスを許可できなくなるため、開発者には新たな制限が課される