Scraps 最終更新 2026/11/16 11:31

#機械学習

@Miyuki-Yumeno /

ローカルLLMは本当に騒がれてるほどか? Qwen3.8-Flash-Nextの4bit版を家で動かして確かめた

  • Qwen3.8-Flash-Nextの4bit版を自宅で動かして性能を確認した
  • StrataエンジンでRAM80GB+VRAM16GB環境で動作、3bit版と4bit版の比較で文脈取り違えが改善しないことが判明
  • 量子化による性能低下が明確で、ローカルLLMの実際の性能はフロンティア級と差がある可能性がある

@GitHub OSS /

HKUDS/DeepTutor

  • DeepTutorは継続的なパーソナライズ学習を提供するエージェントネイティブな学習ワークスペースをリリース
  • エージェントハーネス、パートナー、RAGエンジン、マルチエンジン知識の統合、拡張ツールとスキル
  • DockerやPyPIでのインストールが可能で、コンテンツワークスペースの設定が必要

@Ben King /

シンガポールと提携し、先端AIを公衆衛生に導入

  • シンガポールの保健省と提携し、先端AIを医療システムに導入する
  • Google Researchの新拠点で基礎AIモデルの研究を進め、MedGemmaなどのオープンモデルを前線に届ける、700万ドルの寄付
  • 医療従事者はAIツールでガイドラインを参照し、患者にカスタマイズされたケアを提供できるようになる

@mellowlaunch /

『オントロジー入門」基礎理論から、Databricks OntoBricksによる構築・AI連携までを解説

  • Databricks OntoBricksでオントロジーを構築する方法が解説されている
  • RDF・OWLによる知識表現とLLMによる自動生成、Auto-Mapによるデータマッピングが含まれる
  • オントロジーはデータに意味を付与するための基盤であり、AIと連携させる際の設計が重要

@Julie Bort /

Voice AI in vogue: Nvidia releases new open transcription model

  • Nvidiaが40言語対応の無料オープンモデルNemotron 3.5 Transcribeをリリースした
  • 31言語の英語間翻訳、1時間の録音対応、8人分の発話を区別、Hugging Faceのベンチマークで競合を上回る性能
  • リアルタイムストリームは対応していないが、300億パラメータで1チップで動作可能で、医療や会議向けアプリ開発に最適

@Miku Hoshino /

MCP ツールの引数と結果に入った個人番号を、AgentCore Gateway のインターセプターでマスクする

  • AgentCore Gateway のインターセプターから Guardrails を呼び、MCP ツールの引数と結果の両方で日本の個人番号をマスクできた
  • インターセプターで REQUEST と RESPONSE の両方で文字列を処理し、正規表現で個人番号を検出・マスク、ツールごとに処理を分ける
  • インターセプターが失敗してもマスクされていない番号は返らないが、ツールの引数をマスクすると業務処理に影響する可能性がある

@kszk103 /

人間が見るのは設計書だけ ― PdM不在・バグ修正中心のチームで、AI-DLCを開発フローごと作り直した話

  • バグ修正中心のチームでAI-DLCを再定義し、設計書を人間のレビューに限定した
  • バグ修正の期待仕様をintentに、原因調査を独立スキルに、設計書レビューをAIに任せた
  • 設計書とコードコメントのPBI番号を残すことでバグの追跡性を向上させたが、実装チェックはAIに任せる

@mizuk1013 /

AIエージェントをEnterprise Readyへ:IBM TechXchange 2026 Atlanta ジェネラルセッションまとめ

  • IBMは2026年を「AIエージェントを企業で安全に運用しスケールさせる」年に設定した
  • Streamhouseによるリアルタイムコンテキスト提供、IBM Bobでの開発、watsonx Orchestrateによる管理、HashiCorp Vault/Terraformでのセキュリティとインフラ管理
  • AIエージェントの運用にはリアルタイムデータ連携とガバナンスが不可欠で、既存システムとの連携が重要

@こくら /

競馬AIを作り込んだら、市場の粗いコピーになった ── お金としての価値は前日にしかない

  • 競馬AIは前日の時点では市場の答えをかなり言い当てるが、確定オッズが出たあとは価値がない
  • 前日のモデルは単勝的中率22.3%、オッズ順位相関0.763、締切までに市場が予測を上書きする
  • 前日の情報は締切までに市場に吸収されるため、AIの予測の価値は前日に限られる

@伊賀 裕展 /

AAIF に加わった Open Responses を Amazon Bedrock で試す

  • Open Responses は OpenAI の Responses API をもとにした LLM API の共通仕様となり、AAIF に加わった
  • アイテム、状態、イベントの形が決まっている、ストリーミングイベントの種類と順序が定義されている
  • モデルを切り替える際はクライアントコードを変えずにエンドポイントとモデル名を変えるだけで可能

@GitHub OSS /

TradingAgents: 多エージェントLLM金融取引フレームワーク

  • TradingAgentsは、複数のLLM駆動エージェントを用いた金融取引フレームワークを公開
  • LLMプロバイダーごとに分析者チームと研究チームを分離し、過去の決定を評価するバックテスト機能と、チェックポイント復元機能を備える
  • LLMの温度設定を0.0にすることで再現性を高め、モデルの選択で結果の変動を制御する必要がある

@Akira Tempaku /

Jevに問い合わせメッセージを仕分けてもらう

  • Jevを導入することで問い合わせメッセージの仕分け精度を100%にし、応答時間を4倍短縮した
  • Jevは選択肢から選ぶ判断モデル、gpt-5.6-lunaは文章生成型LLM、両者の応答時間とトークン使用量を比較
  • Jevは出力トークンが少なく、応答時間が短く、課金額が有利で、境界ケースでも安定した判定ができる

@クラウドエース株式会社 /

安い推論モデルの方が結果的に高くつく? LLM の「価格逆転現象」と実務でのモデル選定術

  • 安い推論モデルが結果的にコストが高くなる「価格逆転現象」が確認され、Gemini 3.8-flash (HIGH) は Gemini 4-argon (LOW/MEDIUM) よりもコストが高くなった
  • 思考トークンの過剰消費とエージェントタスクでのトークン膨張が原因で、Gemini 3.8-flash (HIGH) は実コストが 1.8 倍〜3.4 倍高くなった
  • 単価が安いモデルでも思考トークン数やターン数が増えるとコストが逆転するため、1 成功あたりの実質コストを計算する必要がある

@Kota Mizuno /

GIF で見る、Faiss と Lucene のベクトル検索

  • Faiss と Lucene は同じ HNSW アルゴリズムを使って検索するが、フィルタ付き検索では精度に差が出る
  • HNSW と IVF の探索方法、PQ の圧縮技術がそれぞれ異なる実装で動作し、フィルタの通過率に応じた探索戦略が異なる
  • フィルタ付き検索では Faiss は通過率が半分になると精度が下がり、Lucene は上がるので条件に応じてエンジンを選択すべき