Scraps 最終更新 2026/10/01 22:40

#機械学習

@meijin /

Jev 所感 ダラダラと書く

  • Jevは構造化出力に特化したAIで、LLMと協働して業務を高速化できる
  • LLMが状態取得やテキスト化、Jevが次のアクション選択を担当、UIの動的生成にも適する
  • 単独で使うよりLLMと組み合わせたワークフローで効果的で、判断軸の言語化が必須
Jev 所感 ダラダラと書く

@Rebecca Bellan /

マイクロソフト幹部がAIスクラビングを「人類最大の労働の盗難」と認めた、新たな未編集文書が明らかに

  • マイクロソフトの幹部がAIスクラビングを「人類最大の労働の盗難」と認めた
  • スクラビングで収集したデータに著作権情報を削除し、ペイウォールを回避して大量に取得した
  • AIモデルのトレーニングに著作権のあるデータを使う行為が法的に問題になる可能性がある
Microsoft exec called AI scraping ‘the largest theft of labor in human history,' new unredacted filings reveal | TechCrunch

@hisashi-ito /

Jev（TypeSafe AI）はみんなどうやって使っているのか？

  • Jevは選択・段階評価・真偽の3種類の質問に対応し、文を返さずに確率と信頼度を返す判断モデル
  • 選択（Choice）、段階評価（Score）、真偽（Noul）の3種類の質問、入力トークンのみの料金体系
  • 日本からの利用では300ミリ秒前後の応答時間で、1秒に何度も呼び出す設計は避けるべき
Jev（TypeSafe AI）はみんなどうやって使っているのか？ - Qiita

@nasuvitz /

Jevとは何か？ 従来型LLMやAIエージェントとの違いを理解する

  • Jevは確率付きで分類や条件判定の結果を返すAIモデルで、従来のLLMやAIエージェントとは異なる
  • 従来のLLMは状況を解釈して次の行動を決定するが、Jevは分類結果を確率で返すことでプログラム側で処理を明確に定義できる
  • Jevを使うにはプログラム側で処理を事前に定義する必要があり、繰り返しの判断を低コストで実行できるが、柔軟性は低下する
Jevとは何か？ 従来型LLMやAIエージェントとの違いを理解する - Qiita

@Dominic-Madori Davis /

Comp AI、セキュリティとコンプライアンスのための継続的なエージェント型未来を視野に入れる

  • Comp AIはAIエージェントを活用したセキュリティとコンプライアンスプラットフォームを構築した
  • AIエージェントがセキュリティポリシー作成や監視、ペネトレーションテストを自動化し、人間のレビューと承認を伴う
  • AIエージェントが重要な行動を取る際は、セーフガードと人間の承認を強化する必要がある
Comp AI sets eyes on a continuously agentic future for security and compliance | TechCrunch

@harupython /

文章を生成しないAI「Jev」はなぜ速い？日本語で12項目をまとめて判定させてみた

  • JevはTypeSafe AIが発表したAIモデルで、文章生成せず判断の確率を並列に出力する
  • Choice・Score・Noulの3種類の判断型出力、並列処理による高速性、RLCDによる確率校正
  • 判断結果の確率分布を活用した処理設計が必要で、実務での信頼性は正解データで確認する必要がある
文章を生成しないAI「Jev」はなぜ速い？日本語で12項目をまとめて判定させてみた - Qiita

@だいあろごす。 /

【速報】Gemini 3.8 Live登場。AIが「話しながら考える」時代へ――フィジカルAIの土台が揃い始めた

  • Gemini 3.8 Live Extended Thinkingがリアルタイムで会話しながら裏で考えるAIになった
  • 会話中の裏での推論と非同期ツール呼び出し、コンテキスト圧縮が可能
  • 長時間の会話で過去のコンテキストを維持する仕組みがあり、コストが増える可能性がある
【速報】Gemini 3.8 Live登場。AIが「話しながら考える」時代へ――フィジカルAIの土台が揃い始めた｜だいあろごす。

@TechCrunch Events /

ロボットはチャットGPTの瞬間を待っている：NvidiaのLes KarpasがTechCrunch Disrupt 2026で説明

  • ロボット工学はChatGPTのようなブレイクスルーをまだ迎えていない
  • 物理AIのためのインターネット全体のデータセットが存在せず、シミュレーションや合成データで代替している
  • 現状では物理AIのデータギャップを埋めるためのスタートアップの取り組みが進んでいる
Nvidia’s Les Karpas joins the agenda lineup at Disrupt 2026 | TechCrunch

@pancho /

【音声認識】リアルタイム話者分離の評価について

  • リアルタイム話者分離の評価でDERだけでは不十分で、初出の推論速度とチラつきの少なさを重視する指標を提案している
  • 初出の推論速度は発話開始から正しい名前が出るまでの遅延と本人の発話尺を測り、チラつきは書き換え回数と行数を両方持つ
  • ユーザーが最初に見る画面の正確さと安定性が重要で、モデルの遅れとユーザーの黙っている時間を区別する必要がある
【音声認識】リアルタイム話者分離の評価について

@Lauren Forristal /

AIの墓場：失敗したプロジェクトとスタートアップの一覧

  • AI関連のプロジェクトやスタートアップが失敗した事例がまとめられている
  • RelayやOpenAIのChatGPTのリデザイン、Sora、Siriの遅延、MicrosoftのRecall、Notion Mail、Humane AI Pin、Rabbit R1、Huxe、Yupp、Figgs AIの失敗が挙げられている
  • AI製品の市場での競争や技術的課題、ユーザー需要の変化が成功に影響していることが示されている
The AI graveyard: a running list of projects and startups that didn't make it | TechCrunch

@Google AI /

Gemini 3.8 Liveと3.5 Transcribeでリアルタイム音声アプリケーションを構築

  • Gemini 3.8 Liveと3.5 Transcribeがリリースされ、リアルタイムの音声アプリケーション構築が可能に
  • Gemini 3.8 Liveは会話中にタスクを実行できる、3.5 Transcribeは85言語以上で高精度な音声認識を実現
  • リアルタイムの音声処理と多言語対応で、音声インターフェースの開発が容易になる
Build real-time voice applications with Gemini 3.8 Live and 3.5 Transcribe