Scraps 最終更新 2026/11/16 12:01

#機械学習

@Rebecca Bellan /

マムダーニ、連邦政府はAIについて放棄したと語り、ニューヨーカーに反対を呼びかけ

  • ニューヨーク市長マムダーニが連邦政府のAI規制放棄を批判し、市民に反対を呼びかけた
  • AIの学校での導入と不動産広告のAI画像使用を禁止し、連邦政府の規制放棄を指摘
  • AIの導入には市民の関与が不可欠で、連邦政府の対応が遅れていることが明確になった

@a2 /

AIとコンテストに参加する

  • AHC GenAI Rules Trial Contest 2026で生成AI利用ルールを試験的に適用した
  • AGENTS.mdにルールを記載し、Codexに指示を明確に与えることで実装を補助する。配達順を焼きなまし法やy+xの基準で最適化する
  • 配達済みのマスを通過コストの高いマスに変更することで、すべての荷物を配達できる順序を確保する必要がある

@Rebecca Bellan /

Laplace Intelligenceがロボットや自律走行車の実世界導入前に赤チームによるテストを実施

  • Laplace Intelligenceはロボットや自律走行車の実世界導入前にAIによる赤チームテストを実施している
  • 高精度シミュレーション環境とAIエージェントによる境界ケースの自動設計、NvidiaのCosmosを基盤としたシミュレーション
  • 実世界でのロボット導入に際して境界ケースの予測が難しいため、シミュレーションでのテストが不可欠である

@songchong /

重要な指示は最初か最後か? AI 大手 3 社の助言が異なるので、資料→命令→指示の並び方を 8 通り試してみた

  • 指示は資料の中に書かないほうが良い。資料の途中に書いた指示は、4 つの条件の合計 36 回中 28 回従わない
  • 資料の途中に指示を書くと、75% の位置ではどの条件でも従わない。ツールの説明や CLAUDE.md が前に入る条件では並べ方の差は 0.5 点未満
  • 指示は資料の外に書く。資料を最後に置くと点数が高くなる。ツールありの条件では並べ方の差がほぼない

@kai-yo /

音声言語モデルが欲しくて 27B ver

  • 27Bモデルは音声タスクでの学習なしにASR性能が向上、9Bモデルより精度が悪化
  • ASRタスクでの学習なしにASR性能が向上、9Bモデルより精度が悪化、4bit量子化と文長制限でVRAM24GBで学習可能
  • 27Bモデルは音声と言語の一致が見られ、より精度を求めるには追加学習が必要

@charge0315 /

件数が少ないうちは眠る安全装置が、32日目に目を覚ました 〜Claude Codeと作った「実測勝率ゲート」と、ラベルと実装の食い違い〜

  • 実測勝率ゲートが32日後に初めて動作し、短期候補をすべて停止した
  • 実測勝率が45%未満かつ約定件数20件以上で除外、記録が20件に達した10月13日に動作
  • 安全装置の動作条件を明確に記録し、ラベルと実装の整合性を定期的に確認する

@Anthony Ha /

Meta、スクラビングとAIトレーニングに関する言葉を削除

  • MetaがスクラビングとAIトレーニングに関する記述を削除した
  • 商業利用規約から「ウェブページやURLのコンテンツをAIモデルにトレーニングに使用できる」という記述が削除され、広告とビジネス製品に限定された
  • Metaのウェブクローラーの利用方法に変更はなく、スクラビングの範囲が限定された

@YuukiYoshida /

Gemini 4 Argonの100万トークンは何がすごい?仕様・料金・制限を公式情報から整理してみた

  • Gemini 4 Argonは100万トークンのコンテキストを共有し、Long decodeで65,536トークンを超える出力を可能にした
  • 入力・思考・出力のトークンが1,048,576で共有され、Long decodeはバックグラウンド実行で最大1,048,576トークンまで生成可能
  • Long decodeを使うと処理時間が数分かかり、料金は12月1日から2倍になるため、処理内容とコストを事前に確認する

@viewlagoon /

Codingame Summer Challenge 2026 で24位になりContests部門Top10入りしました

  • Codingame Summer Challenge 2026で24位を取得しContests部門Top10に入った
  • 強化学習で学習したU-NetモデルをC++で推論し、量子化認識学習でモデルサイズを圧縮した
  • 提出コードとニューラルネットワーク重みを合わせて100,000文字以内に収める制約があり、モデルサイズとパラメータ数のバランスが重要だった

@shinkai_ /

エンジニアに情報漏えいは防げないのか? ハッシュ化のコスト設計で「盗まれたあと」は変えられる

  • パスワードのハッシュ化で計算コストを高めることで、情報漏えい後の被害を抑える
  • bcryptのcost factorやArgon2のメモリ・反復回数、scryptのN・r・pで調整する
  • OWASPの最低ラインを確認し、ログイン時の待ち時間とサーバー負荷のバランスを取る

@nishina /

ベクトルDBを使わない「階層ナビゲーション型RAG」を作って、ベクトルDB版RAGと比較してみた

  • 階層ナビゲーション型RAGはベクトルDBを使わず、LLMで階層を辿って文書を選ぶ手法で、ベクトルDB版RAGと同等の正答率を達成した
  • 階層ナビゲーション型は要約カードとk-meansクラスタリングで階層を作り、LLMで降りる。ベクトルDB版は埋め込みと類似度検索で文書を選ぶ
  • 階層ナビゲーション型はLLM呼び出し回数とレイテンシが高かったが、正答率は同等で範囲外質問では文書を取得しないことでコストを抑えた

@T. Shimotomai, PhD. /

VLAのベンチマークまとめ:標準シミュレーションから頑健性・記憶・安全・実機・産業まで

  • VLAモデルの評価ベンチマークが標準タスクから頑健性・記憶・安全・実機・産業まで広がっている
  • LIBERO、LIBERO-Plus、LIBERO-Para、HazardArena、Industrial Dexterity Benchmark、RoboCasaが主なベンチマークで、それぞれ異なる評価軸を持つ
  • 標準ベンチマークの成功率だけではモデルの実力を判断できないため、頑健性や言語感度などの異なる評価軸を組み合わせて比較する必要がある

@m_izumo /

Opus 5.5 の effort high と xhigh のレビュー性能とダブルチェックの効き目を、15 区分・45 本で測った

  • Opus 5.5 の effort high と xhigh のレビュー性能に差があり、xhigh は重い不具合の検出率が高かった
  • high が 55% の網羅率、xhigh が 67%、高重要度の検出率は high 52% と xhigh 85%、xhigh 2 本で網羅率 85% に
  • xhigh 1 本は高重要度の不具合を 85% 検出できるが、コストは high の 1.3 倍で、重い不具合は xhigh 2 本で確保するべき

@Aisha Malik /

Ricursive IntelligenceはAIで設計されたチップで計算の危機を解決する試み

  • Ricursive IntelligenceはAIでチップを設計する技術を開発し、計算需要の増加に対応する
  • AIがチップのレイアウトを最適化し、従来の分割設計ではなく全体を最適化する手法を採用
  • チップ設計にかかる時間が短縮され、カスタムチップの製造が可能になるが、製造コストとエネルギー効率のバランスが重要