Scraps 最終更新 2026/11/16 13:01

#機械学習

@beatapi /

JEV リポジトリを 100+ 件読んで分かったこと:真似すべきはモデル呼び出しの前後だった

  • JEVのモデル呼び出し前後のコードが100以上のプロジェクトで共通して重要だった
  • モデル呼び出し前のstate構築と後処理の検証、選択肢の重複回避、確率分布の利用
  • 選択肢が重なると閾値が意味を失うため、選択肢を重ねない設計が重要だった

@sphereSky /

Vector DBの次の使い方 ― MiniMax × Zilliz Cloudと日本の公開事例から考えるAI Data Infrastructure

  • Zilliz Cloudでリアルタイム推薦と学習データ重複排除を大規模に運用したMiniMaxの事例が紹介された
  • 5,000 QPS超のレイテンシ30ms、MinHash + LSHによるペタバイト規模の重複排除、Embeddingのネイティブなベクトル検索
  • リアルタイム推薦ではRedisの代替としてVector Searchの導入が有効、学習データ処理では従来のMapReduceより2倍高速でコスト3〜5分の1に削減される

@Yasuhito Morimoto /

国内AIエージェント動向(2026/9/21号)

  • 国内のAIエージェント市場で、業務プロセスへの深く入り込む運用設計が注目されている
  • Kariは既存サブスクを活用したブラウザ操作、Zeptは業務実装支援、WellSkateは会議フォローアップ、ヘッドウォータースは判断基準の知識化、KUROKO AIは店舗マーケティングの日次運用、サイカルトラストは取引照合の特許取得
  • AIエージェントの導入では、人による承認や監査証跡、運用設計力が重要になる

@Kazeneko /

全部LLMにしない判断設計 — ハッカソンでJevを選んだ理由

  • Jevは生成の代替ではなく、型付きの意味判断用としてルール/古典ML/LLMとの隙間に置く
  • ルールベースとの境界は明確で、Jevは候補が決まっていて意味判断が必要な場面に適する、LLMのstructured outputと異なる型付き確率を返す
  • ハッカソンではコストと発表の観点からJevを判定ゲートに載せることが有効で、閾値はコード側で管理する

@segavvy /

Jevは学習なしに使えるカテゴリ分類器だ!ということでMNISTやらせてみたらダメダメだった件

  • JevにMNISTを入力しても精度が悪く、LLMや画像入力モデルの方が優れている
  • ASCIIアートや数値行列、座標配列の入力形式で試したが精度38%、GPT-5.6 Lunaの画像入力で精度が向上
  • 画像をテキスト化してモデルに処理させるのは無理があり、画像入力モデルを使うべき

@Connie Loizos /

米海軍が今後の技術優先順位を発表、企業や投資家向けに計画を示す

  • 米海軍が今後の技術優先順位を発表し、企業や投資家向けに計画を示した
  • 応用AI、量子情報科学、高度ネットワーク、電磁波帯域運用、デジタルエンジニアリングの5分野を優先技術として掲げる
  • 優先技術リストは資金拠出の約束ではなく、企業や投資家の計画に参考にするためのロードマップである

@Miccell(ミクセル) / 人生を楽しむ仕組みを作る /

Jev登場。ChatGPTの生みの親が作った「しゃべらないAI」、GPT-5.6 Terra級の判断を桁違いの速さと安さで

  • Jevは文章を生成しない代わりに、圧倒的な速さと安さで判断を返す新しいAIモデル
  • 文章生成ではなく数値やカテゴリなどの形式化された答えを並列で出力、RLHF技術の開発者による設計
  • ハルシネーションが原理的に起きないが、文章の説明や複雑な理由付けは苦手な設計

@Lucas Ropek /

アンドリーセン・ホロウィッツが支援するVals、AIベンチマーキングの新たな基準を目指す

  • ValsはAIベンチマーキングの新しい基準を目指し、アンドリーセン・ホロウィッツから4000万ドルを調達した
  • ベンチマーキングのテスト内容を公開せず、法律や金融、コーディングなどの特定業界の複雑なタスクを評価する
  • 企業がモデルの性能を正確に測定し、改善に役立てることで、ベンチマーキングがAI企業の信頼構築に重要になる

@HELLO_CYBERNETICS /

Jevを、自然言語で分類基準を渡せる識別モデルとして使う

  • Jevは自然言語で分類基準を指定できる識別モデルとして使える
  • 質問と候補の説明を変えることで配送担当や実験報告書の分類が可能、確率出力で自動処理と人手確認の切り分けが可能
  • 分類基準の説明が曖昧だと誤判定のリスクがあるため、具体的な条件を明記する必要がある

@Yasuhito Morimoto /

国内AIエージェント動向(2026/9/19号)

  • 国内企業がAIエージェントの実装に向け、業務知識やデータの整備、権限管理、復旧機能を一体で設計している
  • KDDIの開発支援、ヘッドウォータースの業務知識整備、ジオコードの承認付きWeb改善、Cohesityの保護・復旧機能
  • 業務知識の更新責任や実行権限の設計、復旧手順の明確化が運用負担を減らす鍵となる

@Isaka-code /

Jevはどこで使うべきか? LLM・機械学習・ルールベースとの使い分け

  • Jevはテキスト入力に対して事前に定義された選択肢やスコアを返す決定モデル
  • ルールベースと古典的機械学習、LLMと比較して入力がテキストで出力候補が事前に決められる場合に適する
  • 教師データが十分でない場合や高速・低コストな処理が必要なときにJevが選択肢になる

@Russell Brandom /

世界モデル企業は多くの秘密を保持している

  • 世界モデル企業は多くの技術を秘匿しており、商業化の具体的な計画を公表していない
  • AMI LabsとWorld Labsが空間知能の自動化に焦点を当て、製品計画やタイムラインを非公開にしている。また、サプライヤーも具体的な用途を知らない
  • 企業は資金調達の容易さを活かして競合の発見を遅らせるために情報を隠している

@Tim Fernholz /

ChatGPTの共同発明者が開発した新しいAIモデルが開発者に注目されている

  • ChatGPTの共同発明者が開発した新しいAIモデルが開発者に注目されている
  • 確率を出力するTransformerベースのモデルで、LLMとは異なるアプローチを取る。コストと速度に優れ、 hallucination が起こらない
  • LLMの代替や補完としての利用が可能で、ソフトウェア自動化に適している。開発者はこのモデルをより安く正確に利用できると評価している

@Theresa Loconsolo /

Dario Amodeiと他のAIリーダーは「フロントラインをペースする」を望むが…どうやって?

  • Dario AmodeiがAI開発の進捗を「ペースする」プランを発表した
  • 独立した安全評価者と民主主義国のAIラボ間の協調が中心。NvidiaのJensen Huangから批判を受けている
  • AI開発の進捗を制御するための枠組みが議論されている。業界の支持と批判の両方が存在する