Scraps 最終更新 2026/11/16 11:31

#機械学習

@Nishio Hibiki /

【Nishika 論文サク読み 第27回】似た形の漢字を検索するモデル

  • Vision Transformerを用いて漢字の見た目の類似度を測るモデルが公開された
  • HOMOGLYPHモデルはデジタルフォントの画像で対照学習し、コサイン類似度で類似度を計算。ホモグリフ編集距離で文字列マッチングを改善
  • 日本語の辞書は約150MBで、1文字あたり800文字との類似度が保存されている

@tomi /

娘とのクイズ遊びをアプリにしたら、日本語の奥深さを体感した話

  • クイズを「つくる」アプリを開発し、日本語の文のつなぎ方をルールとAIで対応した
  • ヒントの品詞種類9種類とつなぎ方のルール、AIによる単語の属性判定と文の組み立て
  • AIに任せるのは単語の属性判定だけにし、文の組み立てはルールで行うことで待ち時間を削減した

@Mikihiro Tanaka /

SigLIP2に匹敵する画像エンコーダーをフルスクラッチで開発した話

  • SigLIP2と同等の英語性能を維持しつつ、日本語・中国語ベンチマークで上回る画像エンコーダーをスクラッチで開発した
  • ViT-SO400M-14-SigLIP2構造を採用し、Interleavedデータの処理とRecaptionデータのフィルタリングを実施
  • 日本語・中国語のドキュメント理解タスクでSigLIP2を上回る結果を確認し、画像・テキストの対応付けが向上している

@YUSUKE TABATA /

CEATEC 2026に見るPhysical AIの現在地

  • CEATEC 2026でPhysical AIの技術が現実世界での応用に進んでいることが確認された
  • ヒューマノイドロボットやロボットアームがAIによる自律的動作を実現し、農業や店舗での作業支援が可能になった
  • ロボットの性能競争は単なる機械性能ではなく、AIによる状況理解力が鍵になる

@からあげ /

NVIDIAの音声修復モデルRE-USEでポッドキャストのノイズ除去と文字起こしを比較してみた

  • NVIDIAの音声修復モデルRE-USEでポッドキャストのノイズ除去と文字起こしの比較を行った
  • RE-USEは音声のノイズを減らすモデルで、Whisperは音声を文字に変換するモデル、CERで認識精度を測定した
  • 原音で文字起こしをしたほうが精度が高く、修復後の音声は配信用に使うのがおすすめ

@shalXXXX /

防御側の LLM 活用:ログ分析・アラート一次対応・脅威インテリジェンスで「ログを入力として疑う」設計

  • 防御側のLLMでログ分析やアラート対応を行う際、ログに仕込まれた指示文がモデル出力を歪める
  • ログの要約でIPやユーザー名が元データと異なる、アラートの無害判断で誤検出、IoC抽出で原文にない値を生成
  • モデル出力と元ログを突き合わせて不一致を検出、自動判断は優先度上げる方向に限定する

@Marina Temkin /

Trajectory、4500万ドルを調達し、非技術者向けにAIモデルトレーニングを可能に

  • Trajectoryは4500万ドルを調達し、非技術者がAIモデルをトレーニングできるようにする
  • 継続的学習とオープンソースモデルの後処理を組み合わせ、専門分野での改善を自動化する
  • 専門家がモデルを自分で改善できるが、人間の関与が必要で自動的な自己改善は避ける

@Julie Bort /

AnthropicがRSI能力に非常に近いと警告、つまり自己構築型AI

  • Anthropicは自己改善型AI(RSI)の能力に非常に近いと警告した
  • RSIはAIが自己訓練を効率化し、能力が急激に向上する段階で、Anthropicは現在のモデルがこの境界に近づいていると述べた
  • Anthropicは今後も人間の監督を維持する方針で、モデルの進化が安全対策を追い越す可能性がある

@Ram Iyer /

42AI、6250万ドルを調達し「人間の行動を予測する世界モデル」を公開

  • 42AIが人間の行動を予測する世界モデルを公開し、6250万ドルの資金調達を実施した
  • 行動予測モデルは心理的傾向を数値化し、トランスフォーマーを活用した確率モデルで動作、トレーダーの意思決定を予測
  • モデルは個人情報を使わず行動パターンを分析するが、状況の文脈を失うと精度が低下する

@OH-GY /

RAGが一度も効いていなかった話

  • RAGは資料検索を一切行わず、作り話の返答をしていた
  • 埋め込みモデルが文類似度用で検索用ではなかった、資料の主語が不明で取り違えが起きた
  • 資料に主語を明記し、1位と2位の距離の比でしきい値を判断する必要がある

@Melville /

ペイントツール上でニューラルネットワークを動かす

  • ペイントツールKritaで手書き数字を認識するニューラルネットワークを実装した
  • GemmとReLUをフィルターとレイヤーで再現し、72次元の隠れ層で98.40%の正答率を達成
  • 手書き文字認識はペイントツールの標準機能でも可能で、タスク自体が簡単であることが分かった

@Ivan Mehta /

DoorDash、AIエージェントからの注文は「数え切れないほどの数百件」にとどまる

  • DoorDashはAIエージェントからの注文が「数百件」にとどまっていると明らかにした
  • MuseやInstinctなどの第三者エージェントとDoorDash独自のテキストから注文するエージェントが対象、1日300万件の注文と比較
  • AIエージェントによる注文はまだ限定的で、実際の利用はアプリ経由が主流のため、開発者は現状を把握する必要がある

@宮木翔太 /

製造業で Jev はどう使える?4チームで挑んだ1週間のユースケース探索

  • 製造業現場でJevを活用した4チームのユースケース検証が行われた
  • チームAは作業者の割り当て、チームBは時系列データの異常検知、チームCはフィジカルAIの意思決定、チームDは火災時の避難誘導を検証
  • Jevを低コストで判断モデルとして活用する際、自然言語の解釈やリアルタイムの行動選択に適していることが分かった

@nakamura /

需要予測モデルで「雨」を予測してみた

  • 雨の降水量を予測するモデルで、毎日0mmと予測するモデルが最も誤差が小さかった
  • 毎日0mm、前日と同じ、例年並み、ARIMA、Croston、Chronos-Boltなどのモデルが比較され、誤差と捕捉率・空振り率で評価された
  • 日次と月合計の精度を求めるかでモデルの順位が変わるため、予測対象の粒度を事前に決めることが重要