株式会社ずんだもん技術室AI放送局

LangChainは、LangGraphに長期記憶機能のサポートを追加しました。PythonとJavaScriptの両方で利用可能です。これは、会話間の情報を保存・呼び出しし、エージェントがフィードバックから学習し、ユーザー設定に適応することを可能にする機能です。LangGraph CloudとStudioのユーザーは、デフォルトで有効になっています。

従来のAIアプリケーションは、会話ごとに情報を忘れてしまうという課題がありました。LangChainでは、この問題を解決するため、様々な顧客との協業を通じて、アプリケーション固有のロジックを含む、最適なメモリソリューションがないことを学びました。そのため、LangGraphのメモリサポートは、シンプルで信頼性の高い永続的なドキュメントストアとして実装されました。これは、高度な抽象化を容易に構築できる基礎となります。

LangGraphは、チェックポイントを用いた単一会話スレッド内での状態管理に優れていましたが、今回のアップデートで、複数スレッドにまたがる長期記憶（クロススレッドメモリ）が実現しました。これは、put、get、searchといった基本的な操作で情報を保存、取得、検索できる永続的なドキュメントストアとして機能します。

主な機能は以下の通りです。

この機能を利用した実装例として、自身のメモリを管理するチャットボットエージェントのLangGraphテンプレートが提供されています。PythonとJavaScriptのサンプルコード、チュートリアルビデオなども公開されています。これらのリソースは、GitHubリポジトリで確認できます。（具体的なリポジトリへのリンクと使用方法の説明は割愛）

本アップデートにより、LangGraphを用いたアプリケーションは、より高度な対話機能と学習能力を実現できるようになります。新人エンジニアの方々も、提供されているサンプルコードやチュートリアルを参考に、容易に長期記憶機能を導入できます。

引用元: https://blog.langchain.dev/launching-long-term-memory-support-in-langgraph/

Llama 3.1 Swallowは、東京理科大学と産業技術総合研究所の研究チームが開発した、日本語能力を強化した大規模言語モデルです。米Meta社のLlama 3.1をベースに、8Bパラメータと70BパラメータのモデルがHuggingFaceで公開されており、Llama 3.1ライセンスに従って研究・商業利用が可能です。

本プロジェクトの目的は、高度な言語能力を持つ大規模言語モデルの構築方法を解明することです。そのため、多様な日本語・英語のタスク（質問応答、要約、翻訳、コード生成など）を用いた400回以上の評価実験を実施し、モデルの性能を検証しています。 特に、日本語の理解・生成能力向上に注力しており、既存のオープンソースモデルと比較して高いスコアを達成しています。

8Bパラメータモデルでは、日本語理解・生成タスクにおいて、既存のオープンソース8B以下のモデルの中で最高スコアを記録しました。 また、指示チューニングモデルにおいても同様の高いスコアと、日本語での応答率の向上を実現しています。 競合モデルであるQwen2.5 7BとGemma 2 9Bも高い性能を示しており、特にGemma 2 9Bは日本語MT-benchにおいてGPT-3.5を上回るスコアを達成しています。Llama 3.1 Swallowは、特に日本語の知識問題や日本語の言語生成タスクで強みを発揮しています。

70Bパラメータモデルでは、日本語理解・生成タスクにおいてQwen-2.5 72Bには劣るものの、英語の性能を維持しつつ日本語能力の向上を目指した結果、期待通りの性能向上は得られませんでした。これは、英語の能力維持を優先したことが原因の一つと考えられています。しかし、指示チューニングモデルでは、日本語MT-benchにおいて顕著な性能向上を確認しています。

コーパス構築においては、Common Crawlから約12兆文字の日本語テキストを抽出したSwallow Corpus Version 2を使用しています。これは、重複除去処理を先に実施することで、フィルタリング手法の柔軟な検討を可能にした点が特徴です。さらに、「教育的価値の高いテキスト」を厳選することで、一般教養タスクの性能向上に貢献しています。また、英語能力の維持にも工夫を凝らし、Llama 3.1 Swallow 8Bでは英語能力の低下を最小限に抑え、70Bモデルでは逆に向上させることに成功しています。

対話能力向上のためには、既存の大規模言語モデルを用いた合成データを作成し、指示チューニングを行いました。これは、高品質なデータセットを効率的に作成する手法として有効であることを示しています。

分散並列学習においては、計算効率の低下を抑える工夫により、128GPUを用いた学習でも、8GPUと同等の計算効率を実現しています。

本研究は、複数の機関からの資金提供を受けて実施されています。また、LLM-jpのデータや知見も活用しています。

引用元: https://swallow-llm.github.io/llama3.1-swallow.ja.html

ホロライブプロダクション3期生、不知火フレアさんを主人公とした新作横スクロールアクションゲーム『FLARE NUINUI QUEST』が、10月24日(木)にSteamより配信開始されます。これは、カバーの子会社であるシー・シー・エム・シーが運営するインディーゲームプラットフォーム「holo Indie」からのリリースとなります。

ゲームの舞台は、フレアさんが代表を務める「不知火建設（しらけん）」です。混沌によって行方不明になったしらけんメンバーを救うため、フレアさんは二丁拳銃「Smile」と「Go」を手に、ステージを駆け巡ります。

ゲーム内には、8-bitアレンジされたホロライブ楽曲が使用され、様々なアイテムや隠し要素、高難度のアチーブメントなどが用意されています。 プレイを進めることでフレアさんのパワーアップも可能です。

また、ゲームには兎田ぺこらさん、宝鐘マリンさんなど、他のホロライブメンバーも登場します。彼女たちはフレアさんを助けるだけでなく、敵として立ちはだかる場面もあるようです。さらに、ぺこらさんとマリンさん専用のキャンペーンクエストも用意されており、それぞれの視点からのストーリーや個性的なプレイスタイルが楽しめるようになっています。

本作はPC向けゲームで、詳細なゲーム内容はSteamストアページをご確認ください。

引用元: https://www.inside-games.jp/article/2024/10/08/160247.html

（株式会社ずんだもんは架空の登場組織です）

バーチャルYouTuber（VTuber）の日ノ隈らんさんが、所属事務所「ななしいんく」を卒業し、個人勢として活動していくことを発表しました。 この発表は、日ノ隈らんさん自身の公式チャンネルや、ニュースサイトKAI-YOU.netなどで報じられています。

記事本文は、日ノ隈らんさんの今後の活動について詳細に説明しているものと思われますが、本要約では概要のみを記述します。 詳細な活動内容や、卒業の理由、今後の活動計画などは、KAI-YOU.netの記事や、日ノ隈らんさんの公式発表をご確認ください。

重要なのは、日ノ隈らんさんが独立して個人で活動していくという点です。これは、VTuber業界において、所属事務所から独立し、より自由に活動の幅を広げるという選択肢を取ったことを意味します。 事務所所属時とは異なる、活動スタイルやマネジメント体制への変化が予想されます。

新人エンジニアの皆様にとって、このニュースは、エンターテインメント業界、特にVTuber業界におけるビジネスモデルの一例として参考になるでしょう。 事務所所属と個人活動、それぞれのメリット・デメリット、そして活動におけるリスク管理や収益化の方法などを考える上で、良いケーススタディとなる可能性があります。 例えば、個人活動における契約交渉、マーケティング戦略、ファンコミュニティの運営方法などは、エンジニアリングとは一見関係ないように見えますが、システム開発やデータ分析、効率化ツール開発などに活かせるスキルが求められる場面も多いでしょう。 日ノ隈らんさんの今後の活動が、どのような展開を見せるのか、注目しましょう。

KAI-YOU.netをはじめとする、記事掲載元のリンクは、より詳細な情報を得るための参考として活用してください。 本要約は、ニュース記事の概要を簡潔に伝えることを目的としており、詳細な情報や技術的な解説は含まれていません。

引用元: https://kai-you.net/article/90703

本論文は、ゼロショットメトリック単眼深度推定のための基礎モデル「Depth Pro」を提案しています。Depth Proは、非常に鮮明で高周波数のディテールを含む高解像度の深度マップを生成します。カメラの内部パラメータなどのメタデータに依存することなく、絶対スケールを持つメトリック深度を推定します。標準的なGPU上で225万画素の深度マップを0.3秒で生成する高速性も特徴です。

この高速性と高精度を実現するために、いくつかの技術的な貢献がなされています。具体的には、高密度予測のための効率的なマルチスケールビジョン変換器、高メトリック精度と微細な境界線追跡を両立させるための現実データと合成データの組み合わせによるトレーニングプロトコル、推定された深度マップにおける境界線の精度のための専用評価指標、単一画像からの最先端の焦点距離推定などが挙げられます。

広範な実験を通して、設計上の特定の選択が分析され、Depth Proが複数の次元において従来の手法を凌駕することが示されています。 コードと重みはGitHubリポジトリ(https://github.com/apple/ml-depth-pro)で公開されています。 このリポジトリには、Depth Proの使い方に関する詳細は含まれていません。

Depth Proは、単眼カメラを用いた高速かつ高精度な深度推定を必要とする様々なアプリケーション、例えば、自律走行、ロボット工学、AR/VRなどに有用な技術です。 特に、リアルタイム処理が求められる状況において大きな利点があります。 本論文は、深度推定の分野における重要な進歩を示しており、今後の研究の発展に貢献するでしょう。

引用元: https://arxiv.org/abs/2410.02073

ServerlessAIは、クライアントサイドでも安全に利用できるOpenAI互換APIを提供するサービスです。GoogleやAppleなどのOpenID Connectプロバイダーによる認証に対応しており、OpenAI SDKのベースURLをServerlessAIに設定し、プロジェクトIDとユーザーのJWTトークンを指定することで利用できます。ゲストユーザーやマシン間通信のシナリオもサポートしています。

利用方法はシンプルです。まず、OpenAIのNPMパッケージをインストールします。次に、プロジェクトIDと認証プロバイダーから取得したユーザーのJWTトークンを使ってクライアントを作成します。コード例では、baseURLにServerlessAIのAPIエンドポイント、apiKeyにプロジェクトIDとJWTトークンを連結した文字列を指定しています。dangerouslyAllowBrowser: trueは、ServerlessAIでは安全なため必要ありません。

ServerlessAIの最大の利点は、インフラの心配をすることなくAIアプリケーションを構築できることです。ユーザー数が増えても、ServerlessAIがスケーリングに対応します。また、予期せぬ請求を心配する必要はありません。利用料金は完全に可視化されており、ユーザーごとのクォータを設定して不正利用を防ぐことができます。

さらに、OpenAI、Anthropic、Mistral AIなど、最新のAIモデルを幅広くサポートしています。コードを変更することなくモデルを切り替えでき、特定のモデルが利用できない場合でも、シームレスに別のモデルにフォールバックします。 新人エンジニアの方でも容易に導入でき、コスト管理も容易なため、安心してAIアプリケーション開発に集中できます。

引用元: https://serverlessai.dev/

（株式会社ずんだもんは架空の登場組織です）

Google Developers Japanブログにて、2024年10月3日に日本語版Gemma 2 2Bが公開されたことが発表されました。Gemma 2 2Bは、Googleによって開発された大規模言語モデルです。 この発表は、日本の開発者向けに日本語で提供されることを意味しており、日本語での自然言語処理に関する開発を促進する役割を果たすと期待されます。 ブログ記事の本文には、Gemma 2 2Bの詳細な仕様や使用方法などは記載されていません。

このブログ記事は、Google Developers Japanの公式ブログからの情報であり、信頼性の高い情報源です。 新人エンジニアの皆さんにとって、日本語で利用可能な大規模言語モデルの登場は、機械学習や自然言語処理の分野における学習や開発を容易にするでしょう。 具体的な使用方法については、Googleが公開する公式ドキュメントを参照する必要があります。

引用元: https://developers-jp.googleblog.com/2024/10/gemma-2-for-japan.html

この記事は、コマンドラインからLLM（大規模言語モデル）を利用できるツール「gptme」を紹介しています。gptmeは、OpenAIやAnthropicなどのAPIキーを設定することで、コマンドラインから直接LLMを呼び出し、様々なタスクを実行できます。ローカルLLMにも対応しており、クラウドへのデータ送信を避けたいユーザーにも便利です。

gptmeの真価は、コマンドラインからの利用に加え、パイプライン処理との連携にあります。例として、duコマンドで取得したディスク使用量情報をgptmeに渡し、「一番容量を食ってるフォルダは何Gバイト使ってんの？」と質問することで、LLMが解析し、結果を返してくれる様子が示されています。

さらに、プログラムのコードをgptmeにパイプで渡して処理させることも可能です。記事では、音声認識プログラムのコードをgptmeに渡し、「transcribeの時間を計測して表示しろ」という指示を出すことで、LLMがコードを修正し、音声認識にかかった時間を計測・表示する改良版コードを生成する例が紹介されています。これは、LLMによるプログラムの自動修正や機能追加を容易に行えることを示しています。

gptmeは、M2 Max搭載Macでの動作例も示されており、高速な音声認識処理が可能であることが確認されています。Raspberry Piでも動作することから、様々な環境での利用が期待できます。 開発者は、gptmeを「頼りになる相棒」と評しており、その有用性と使いやすさを強調しています。 本ツールは、コマンドライン操作に慣れたエンジニアにとって、LLMを活用した効率的な作業を実現する強力なツールとなるでしょう。 概要を理解すれば、すぐにでも活用できるシンプルさが魅力です。

引用元: https://note.com/shi3zblog/n/nd07c731e025a

OpenAIは、ChatGPTの機能を拡張する新機能「canvas」のベータ版提供を開始しました。これは、文書作成やコーディングにおいて、ChatGPTとの協業をより効率的に行えるツールです。

canvasはGPT-4oをベースとしており、ChatGPTのチャット画面とは別に表示されるウィンドウで作業を行います。このウィンドウでは、文書やコードの特定部分をハイライト表示することで、ChatGPTに指示を的確に伝えられます。 プロジェクト全体を俯瞰しながら、ChatGPTからのインラインフィードバックや様々な提案を受け取ることが可能です。

現在、canvasは手動でショートカットを選択して操作しますが、将来的にはChatGPTが状況を判断し、自動的にcanvasを開く機能も実装される予定です。「use canvas」というプロンプトを追加することで、手動でcanvasを開くこともできます。

canvasの主な機能:

canvasのベータ版は、ChatGPT PlusおよびTeamユーザー向けに提供開始されました。EnterpriseおよびEduユーザーは10月第2週以降、利用可能になります。将来は、無料版のChatGPTユーザーにも提供される予定です。

canvasは、ChatGPTによる文章作成やコーディングにおける支援を大幅に向上させる可能性を秘めた機能です。 特定箇所への的確な指示、プロジェクト全体の把握、そしてAIによる様々な提案を同時に行うことで、開発効率の向上に大きく貢献すると期待されています。 新人エンジニアにとっても、より分かりやすく効率的な開発プロセスを実現するための強力なツールとなるでしょう。

引用元: https://gihyo.jp/article/2024/10/openai-canvas

タリーズオンラインストアのクレジットカード情報流出事件において、Webアーカイブを解析したユーザーが原因を特定しました。 複数のセキュリティ専門家も加わり、その手口が明らかになりました。

問題は、画像スライド表示用のライブラリslick.min.jsに、高度に難読化された悪意のあるJavaScriptコードが挿入されていたことでした。このコードは、クレジットカード情報を入力した際に、サーバーに送信される前に、外部の悪意あるドメインに情報を送信していました。

発見者は、難読化を解除することで、コード中にeval()関数を使用し、外部ドメインと通信していることを確認しました。eval()関数は、文字列をコードとして実行する危険な関数であり、セキュリティ上の脆弱性を引き起こす可能性があります。 SucuriなどのセキュリティソフトもこのJavaScriptを悪意のあるコードとして検知していました。

この攻撃は、クロスサイトスクリプティング(XSS)とは直接的な関係はありませんでしたが、Content-Security-Policy (CSP)ヘッダーが適切に設定されていれば、悪意のあるドメインへの通信をブロックし、被害を軽減できた可能性が高いと指摘されています。特に、CSPのconnect-srcディレクティブで通信先を制限し、unsafe-evalを指定しないことでeval()関数の利用を禁止する設定が有効だったと考えられます。

今回の事件は、一見安全なライブラリへの改ざんという、非常に巧妙な手口であったため、多くのエンジニアに衝撃を与えました。 この事例は、サードパーティ製ライブラリのセキュリティリスクと、CSPなどのセキュリティ対策の重要性を改めて示すものとなりました。 また、高度な難読化されたコードへの対処についても、今後のセキュリティ対策において重要な課題となっています。 開発者は、ライブラリの更新状況の確認や、セキュリティ対策の徹底を改めて意識する必要があります。

引用元: https://togetter.com/li/2445560

（株式会社ずんだもんは架空の登場組織です）

OpenAIは、GPT-4oのファインチューニングAPIに画像データの利用を導入しました。これにより、テキストデータに加えて画像データを用いたモデルのカスタマイズが可能になり、画像認識能力の向上を目指せます。 従来、テキストデータのみのファインチューニングでは限界があった多くのタスクにおいて、大幅な性能向上が期待できます。

具体的な手順は、テキストデータのファインチューニングと同様です。適切なフォーマットで画像データセットを用意し、OpenAIプラットフォームにアップロードするだけです。わずか100枚程度の画像でも効果が見られ、データ量を増やすことでさらに精度を高められます。データフォーマットはドキュメントを参照ください。

既に、Grab、Automat、Coframeといった企業が本機能を活用し、実用的な成果を上げています。Grabは道路標識認識や車線数の検出精度を向上させ、Automatは業務自動化における成功率を大幅に改善、Coframeはウェブサイトのデザイン生成における一貫性を高めました。これらの事例は、画像データを用いたファインチューニングが様々な分野で大きな可能性を秘めていることを示しています。

セキュリティとプライバシーについては、OpenAIは自動化された安全評価を実施し、利用状況を監視することで、利用規約の遵守を確保しています。また、企業プライバシーへのコミットメントに基づき、ファインチューニングされたモデルとビジネスデータはユーザーが完全に所有・管理します。OpenAIは、ユーザーの明示的な許可なく、このサービスで使用された入力や出力をモデルの学習に使用することはありません。

本機能は、有料プランの開発者全員が利用可能です。2024年10月31日までは1日あたり100万トレーニングトークンが無料で提供されますが、それ以降は料金が発生します(トレーニング：100万トークンあたり25ドル、推論：入力100万トークンあたり3.75ドル、出力100万トークンあたり15ドル)。画像入力はサイズに基づいてトークン化され、テキスト入力と同じトークンレートで課金されます。詳細な料金体系はAPI価格ページを参照ください。

GPT-4oの最新モデルスナップショット(gpt-4o-2024-08-06)で利用可能です。ファインチューニングダッシュボードから簡単に開始できます。 使い方の詳細については、OpenAIのドキュメントをご確認ください。

引用元: https://openai.com/index/introducing-vision-to-the-fine-tuning-api/

マイクロソフトは、全ての人々のためのAIコンパニオン「Copilot」を発表しました。Copilotは単なるツールではなく、ユーザーの生活を支援し、人間らしさを豊かにするAIアシスタントを目指しています。技術的な詳細に囚われるのではなく、ユーザーの体験を重視し、より穏やかで役に立つ、そして支えとなるテクノロジーを目指しているとのことです。

Copilotの主な機能は以下の通りです。

パーソナルアシスタント機能: ユーザーの生活状況を理解し、プライバシーとセキュリティを保護しながら、様々なタスクを支援します。予定の計画、医者への同行、メモ取り、子どもの誕生日パーティーの準備など、多岐に渡る場面で役立ちます。ユーザーの行動パターンを学習し、時間と共に個々のニーズに合わせた機能を提供します。

Copilot Voice: 音声による自然なインタラクションを可能にします。アイデア出し、簡単な質問、日々のストレス発散など、様々な用途に使用できます。複数の音声オプションも用意されています。

Copilot Daily: 朝のニュースや天気予報を要約して提供します。情報過多を防ぎ、簡潔で分かりやすい情報を提供します。Reuters、Axel Springerなど信頼できる情報源からのみ情報を取得します。

Copilot Discover: Copilotの機能や会話の開始方法を案内し、使い始めるのを容易にします。ユーザーの許可を得て、Microsoftサービスとのやり取りに基づいてパーソナライズされます。

Copilot in Microsoft Edge: Microsoft Edgeブラウザに統合され、質問への回答、ページ内容の要約、テキスト翻訳、文章の書き換えなどを迅速に行えます。アドレスバーに「@copilot」と入力するだけで簡単にアクセスできます。

Copilot Labs: 開発中の実験的機能を試せる場です。「Copilot Vision」と「Think Deeper」が初期機能として提供されます。

Copilot Vision: ユーザーが見ているものを認識し、リアルタイムで対話できます。Webページのテキストと画像を理解し、質問に答えたり、次のステップを提案したりします。

Think Deeper: より複雑な質問への詳細な回答をステップバイステップで提供します。都市への引っ越しや車の選択など、複雑な意思決定を支援します。

Copilotは、iOS、Android、ウェブ、Windows、WhatsAppなどで利用可能になります。 プライバシーとセキュリティを最優先事項としており、Copilot Visionセッションのデータはセッション終了時に完全に破棄されます。 Copilotは現在開発中であり、今後さらに機能が追加・改善される予定です。マイクロソフトは、ユーザーからのフィードバックを重視し、責任あるAI開発を継続していくことを強調しています。

引用元: https://blogs.microsoft.com/blog/2024/10/01/an-ai-companion-for-everyone/

OpenAI DevDay 2024で発表された新機能「プロンプト自動作成機能」を試してみました。この機能は、目的を簡潔に記述するだけで、大規模言語モデル(LLM)向けのシステムプロンプトを自動生成します。 試した結果、曖昧な指示からもmarkdown形式でプロンプトを作成してくれるため、プロンプト作成のたたき台として非常に有用であることが分かりました。

具体的には、「猫のような口調で話す人生相談占い師」という指示から、ステップ、出力形式、例、補足事項を網羅したプロンプトを生成しました。生成されたプロンプトはmarkdown形式で構成されており、出力形式もmarkdownに影響を受ける傾向があります。 実際にチャットを試したところ、猫口調で回答が得られましたが、初期設定で指定した「占い師」要素は反映されていませんでした。これは、生成されたプロンプトを修正・調整することで改善できる点です。

さらに、出力形式をJSON形式に指定して感情分析を試みました。 「一文ずつ感情分析を行い、JSON形式で出力する」という指示でプロンプトを作成し、実際に文章を入力したところ、感情分析自体は正しく行われましたが、出力形式がmarkdown形式と混在した形になりました。これは、プロンプト自体がmarkdown形式であることが原因と考えられます。

画像を読み込ませるプロンプト生成も試しました。「入力されたグラフ画像を読み取り、今日の日報を作成する」という指示でプロンプトを生成し、実際に画像を入力したところ、画像内のテキストは正しく認識され、生産ラインの日報が作成されました。ただし、グラフ画像自体は日報に反映されませんでした。

これらの結果から、このプロンプト自動作成機能は、プロンプト作成の初期段階で効率的にプロンプトを作成するのに役立ちますが、生成されたプロンプトは必ずしも完璧ではなく、必要に応じて修正・調整が必要であることが分かりました。 また、出力形式の指定は、プロンプトの内容にも影響を受ける可能性があるため注意が必要です。 少ない労力でプロンプトのひな型を作成できるため、特に新人エンジニアにとって、LLMを活用した開発を始める上での強力なツールとなるでしょう。 既存のGPTsによるプロンプト作成と比較しても、Few-shot学習の設定も自動で行ってくれるため、より高度な制御が必要な場合に有効です。

引用元: https://qiita.com/ayoyo/items/301ade3c66a2aa9d5e63

このまとめは、Twitter上で「ゆゆ式」というアニメ作品に関するツイートをまとめたものです。投稿者は、過労で死にかけていた時に「ゆゆ式」を見て救われた経験があり、その作品に神格化していたそうです。しかし、数年後に奥さんに勧めたところ、「何が面白いのかわからない」と言われ、改めて見直したところ、自分自身も面白さがわからなくなっていたという話です。

この話に対して、他のユーザーからは、「深夜アニメは染みる」「疲れた時に見ると癒される」「日常系アニメは現実逃避になる」などの共感の声が寄せられています。また、「作品が悪いのではなく、自分の変化によるもの」という意見や、「ゆゆ式の面白さを理屈で説明するのは難しい」というコメントもあります。

まとめには、関連するツイートや、関連するまとめへのリンクも含まれています。

引用元: https://togetter.com/li/2444085

（株式会社ずんだもんは架空の登場組織です）

結婚2年目の専業主婦である妻が、突如としてVtuberになることを宣言しました。最初は戸惑った夫でしたが、妻の熱意と、現在では比較的簡単にVtuberデビューできる状況を理解し、応援することにしました。

妻は事前にアバター作成、マイク、配信ソフトの準備など、綿密な計画を立てており、夫は妻の本気度を改めて認識しました。初配信はゲーム実況で、予想をはるかに超える再生数を記録。特に、ある配信では1万再生を達成するなど、大きな成功を収めました。

配信中のコメントには「可愛い」「声が癒される」といった賞賛が多数寄せられ、夫は妻が既婚者であることを視聴者が知らないという状況に、一種の優越感と自己肯定感の高まりを感じました。さらに、スーパーチャット（投げ銭）も増加し、妻の活動が経済的にも成功していることを実感しました。

夫は、妻のVtuber活動の成功と、その秘密を知っている自分自身の特殊な立場を、心地よく感じているようです。 妻はVtuberとしての成功を、夫は妻の成功と秘密を知る立場をそれぞれ楽しんでいる、という内容です。

引用元: https://anond.hatelabo.jp/20241002024542

このGitHubリポジトリslashml/amd_inferenceは、AMD GPU上で大規模言語モデル(LLM)を実行するためのDockerベースの推論エンジンを提供しています。Hugging Faceから入手可能なモデル、特にLLaMAモデルファミリーとの連携を重視した設計です。

主な機能:

前提条件:

リポジトリ構成:

ソースコード、Dockerfile、必要パッケージリスト(requirements.txt)、実行スクリプト等が含まれています。

ライセンス:

Apache-2.0ライセンス

制約:

このプロジェクトは、現在開発中である可能性があります(READMEに明記されていない場合でも、コミットログから判断できます)。 そのため、機能や安定性においては、本番環境での利用には十分な注意が必要です。 また、具体的な使用方法や高度なカスタマイズ方法は、GitHubリポジトリのREADME.md等を参照する必要があります。この要約では、詳細な使用方法やトラブルシューティングについては触れていません。

新人エンジニアの方へ: このプロジェクトは、AMD GPUを活用してLLMを高速に実行したい場合に役立ちます。Dockerを使用することで、環境構築の手間を省くことができます。ただし、開発中のプロジェクトである可能性があるため、利用にあたっては注意深くREADMEなどを確認し、必要に応じて修正や改良を行う必要があるかもしれません。 不明な点があれば、GitHubのIssue機能を利用して質問することをお勧めします。

引用元: https://github.com/slashml/amd_inference

2024年サンフランシスコで開催されたPyTorch Conferenceには、約1500人のAI研究者、開発者、愛好家が参加しました。2日間に渡り、人工知能(AI)と主要なオープンソース機械学習フレームワークであるPyTorchの進歩に焦点を当てた、活気のある議論、洞察に富んだ基調講演、実践的なセッションが行われました。参加者は、生成AI、大規模言語モデル(LLM)、そしてオープンソース技術がAIイノベーションを推進する上で果たす重要な役割について深く探求しました。

会議の主要テーマは3つありました。

生成AIとLLM: 多くのセッションでは、PyTorchが大規模言語モデルと生成AIアプリケーションの主要なフレームワークとしてどのように進化し続けているかに焦点を当てていました。これらのモデルのスケーリングから、様々なハードウェアプラットフォームでのパフォーマンスの最適化まで、LLMアーキテクチャにおける継続的な進歩と課題が示されました。

オープンソースを通じたAIの民主化: オープンソースツールとコミュニティがAIの未来を形作る上で重要であるというテーマが繰り返し取り上げられました。PyTorchは、あらゆるレベルの開発者にとっての包括性、使いやすさ、アクセシビリティに尽力しており、より多くのグローバルなオーディエンスにAIをもたらすことに重点を置いています。

分散型コンピューティングとエッジコンピューティング: 分散型コンピューティングとエッジ展開に関する議論が多く行われ、PyTorchがAIをエッジに推進するためにどのように使用されているかが強調されました。エッジアクセラレータ、スケーラブルなトレーニング、推論への焦点は、PyTorchがクラウドからデバイス上のアプリケーションまで、多様な環境で強力なモデルの展開を可能にする方法を示しています。

その他、新設されたスタートアップショーケースでは、有望なAIスタートアップが紹介され、CTGT社が優勝しました。CTGT社は、大規模言語モデルにおけるデータ系統を強化し、幻覚を削減することで、深層学習の透明性とバイアスの問題に取り組んでいます。

また、深層学習コンパイラミニサミットとファインチューニングミニサミットも開催されました。

会議の主な収穫は、LLMの重要性、オープンソースによるイノベーションの促進、倫理と持続可能性への配慮、そしてPyTorchがクラウドを超えてエッジデバイスや様々なコンピューティング環境へと拡大していることです。

PyTorch Conference 2025は、2025年10月22～23日にサンフランシスコで開催予定です。

引用元: https://pytorch.org/blog/pytorch-conference-2024-recap/

（株式会社ずんだもんは架空の登場組織です）

Tavus社が開発した、1秒以下の低遅延を実現したリアルタイムAIビデオエージェントが発表されました。これは、人間と自然な会話ができるデジタルツイン（アバター）を生成する技術です。

概要

Tavus社は、AIビデオモデルを用いてデジタルツインを構築するAI研究開発企業です。今回の発表では、人間とリアルタイムで自然な会話ができるAIビデオエージェントを開発したことを示しています。このエージェントは、1秒以下の低遅延を実現しており、まるで人と話しているような感覚を得られます。

制約と課題

低遅延、スケーラビリティ、コストの3つのバランスを保つことが大きな課題でした。特に、初期のモデルでは、1つの会話にH100 GPUを1つ使用する必要があり、スケーラブルでコスト効率の良いシステムではありませんでした。

そこで、Phoenix-2モデルを開発し、以下の改善を行いました。

さらに、音声認識、LLM、音声合成、ビデオ生成などの各コンポーネントを高度に最適化することで、1秒以下の低遅延を実現しました。LLMについては、処理速度だけでなく、最初のトークン生成までの時間を短縮することが重要でした。また、音声の終わりを正確に検知する技術も開発し、会話の自然さを向上させています。

この技術は、顧客サポートや教育、エンターテイメントなど、様々な分野で活用が期待されています。

補足

引用元: https://news.ycombinator.com/item?id=41710227

近年、AIを用いたコード生成ツールが普及し始めていますが、生成されるコードが冗長で複雑になり、保守性が低下するという問題が指摘されています。

Hacker Newsの記事では、AI生成コードの品質に関する懸念が議論されています。投稿者は、AIによって生成されたコードが、多くの関数や型、間接的な呼び出しを含み、手書きのコードよりもはるかに長く、理解しにくいものになっていると述べています。また、このようなコードには、従来であれば容易に発見できたバグが潜んでおり、デバッグに非常に時間がかかることも問題視されています。

これは、かつてJava開発で起こった、IDEのオートコンプリート機能によってクラスやオブジェクトが乱用され、コードが複雑化してしまった問題と似ていると投稿者は指摘しています。

AI生成コードは、動作するコードを生成するものの、保守性の観点からは望ましくない書き方をしていることが多く、将来的に大きな問題となる可能性があります。

議論では、AI生成コードの問題に対処する方法として、以下のような意見が出ています。

AIによるコード生成は、開発の効率化に役立つ一方で、コードの品質や保守性を考慮することが重要です。エンジニアは、AIを活用しつつ、コードの可読性や保守性を維持するための対策を講じる必要があります。

引用元: https://news.ycombinator.com/item?id=41677207

この記事では、大規模言語モデル（LLM）を用いたテキストベクトル化手法「LLM2Vec」とその日本語ドメインへの適応について解説しています。

LLM2Vecは、LLMのテキスト生成能力を活かして、テキスト全体を効果的にベクトル表現に変換する手法です。従来、LLMの出力ベクトルはテキストの末尾のみを用いることが多かったですが、LLM2Vecでは、Transformerの自己注意機構のマスクを調整することで、テキスト全体の情報を含むベクトルを得られるように工夫されています。さらに、SimCSEを用いることで、ベクトル表現の質を向上させています。

論文では、Wikipediaを用いた教師なし学習と、E5データセットを用いた教師あり学習において、LLM2Vecが従来手法よりも高い精度を達成することを示しています。

日本語への適応実験では、以下の2つの実験を行いました。

その結果、日本語Wikipediaを用いたLLM2Vecは、英語Wikipediaを用いた場合と比べて精度が向上し、日本語で事前学習されたLLMを用いることでさらに精度が向上することが分かりました。これは、LLM2Vecの手法を対象ドメインの言語で適用することや、対象ドメインでLLMを継続学習することが、ベクトル表現の精度向上に有効であることを示唆しています。

ただし、英語タスクでは、日本語でLLM2Vecを行った場合、英語でLLM2Vecを行った場合よりも精度が低いという結果も得られました。これは、LLMの日本語化が必ずしもすべてのタスクで有効ではないことを示しており、今後の更なる研究が必要となります。

この記事は、LLMを用いたテキストベクトル化に興味のある、特に日本語テキストを扱うエンジニアにとって有益な情報となります。LLM2Vecは、日本語テキストのベクトル表現の精度向上に貢献する可能性を秘めており、今後の自然言語処理分野の発展に期待が持てます。

引用元: https://tech.uzabase.com/entry/2024/09/30/114245

近年、ゲーム実況を視聴する層が増加し、ゲームをプレイせずに実況動画のみで楽しんだり、グッズを購入する人がいることに対して、ゲームクリエイターなどからは疑問の声が上がっていました。

しかし、このTogetterのまとめでは、「ゲーム実況視聴」を「野球観戦」に例えることで、その行動の背景にある心理が理解できるという意見が多数寄せられています。

野球観戦では、実際にプレイする人は限られており、多くの人はプロの試合を楽しみ、応援する立場にあります。同様に、ゲームにおいても、操作が苦手であったり、時間的制約があるなど、様々な理由で自身でプレイできない人が、実況動画を通じてゲームの世界を楽しんだり、好きな実況者やゲームに関連するグッズを購入することで、その世界観に共感し、満足感を得ていると考えられます。

ゲーム実況は、単にゲームプレイの配信ではなく、実況者による個性的な解説や反応、視聴者との交流など、ゲームプレイだけでは得られない付加価値を提供している側面もあります。そのため、ゲームをプレイしない人でも、実況動画を通じてゲームの世界を深く理解したり、楽しんだりすることができるのです。

一方で、ゲームメーカー側としては、ゲームの購入やプレイを通じて収益を得ることを期待しているため、実況動画視聴のみでグッズ購入に留まる現状には、必ずしも満足していないという声も上がっています。

このTogetterのまとめは、ゲーム実況の視聴動機や、ゲームと視聴者との関係性を改めて考えさせられる内容となっています。ゲーム業界において、実況動画視聴者をどのように捉え、より良い関係を構築していくのか、今後の課題と言えるでしょう。

引用元: https://togetter.com/li/2442931

（株式会社ずんだもんは架空の登場組織です）

Liquid AI社は、力学系、信号処理、数値線形代数の理論に基づいた新しい生成AIモデル、「Liquid Foundation Models (LFMs)」を発表しました。LFMsは、従来のTransformerモデルと比べて、メモリ使用量が少なく、推論が効率的でありながら、各規模で最先端の性能を実現しています。

LFMsの主な特徴

LFMsの開発における革新

LFMsは、従来のTransformerモデルとは異なるアーキテクチャを採用しています。

LFMsの適用範囲

LFMsは汎用的なAIモデルであり、動画、音声、テキスト、時系列データ、信号など、あらゆる種類のシーケンシャルデータのモデリングに利用できます。金融サービス、バイオテクノロジー、家電など、様々な業界への応用が期待されています。

Liquid AI社は、LFMsの開発を継続し、さらに優れた機能を導入していく予定です。エンジニアの皆様も、Liquid Playground、Lambda、Perplexity LabsなどでLFMsを試用し、この革新的なAIモデルを体感してみて下さい。

引用元: https://www.liquid.ai/liquid-foundation-models

Appleが、ChatGPTで有名なAIチャットボット開発企業OpenAIへの投資交渉から撤退したことが明らかになりました。

Appleは当初、OpenAIの約65億ドルの資金調達ラウンドに参加する検討をしていましたが、理由は不明ながら最近交渉から離脱しました。この資金調達ラウンドは今週中に完了する見込みです。

Appleは、iOS 18、iPadOS 18、macOS SequoiaでSiriにChatGPTを統合する計画を発表しており、Siriがユーザーの許可を得てChatGPTの回答を直接表示する機能を提供する予定です。しかし、OpenAIが営利目的の組織構造に移行する中で、社内混乱が報告されていることから、Appleが投資を見送った可能性も考えられます。

なお、AppleのプラットフォームへのChatGPT統合計画は、年末までに実施される予定です。iPhone、iPad、Macのユーザーはアカウントを作成することなくChatGPTを無料で利用でき、ChatGPT Plusの加入者はAppleデバイスで有料機能にアクセスできるようになります。

今回のAppleの撤退は、MicrosoftやNvidiaなど他の大手テクノロジー企業がOpenAIへの投資を継続している中で注目されています。特に、MicrosoftはOpenAIにすでに130億ドルを投資しており、今回のラウンドにも約10億ドルを拠出する予定です。

AI技術の開発競争が激化する中、AppleがOpenAIへの投資を断念した理由や、今後のAppleのAI戦略にどのような影響を与えるのかが注目されます。新人エンジニアの皆さんも、AI技術の動向には常にアンテナを張っておくようにしましょう。

引用元: https://www.macrumors.com/2024/09/30/apple-no-longer-investing-openai-chatgpt/

GoogleのNotebookLMというツールに、テキストデータやWebページ、動画などの複数のソースを入力すると、AIによる自動生成ポッドキャスト「Audio Overview」を作成できます。この機能は、Gemini 1.5 Pro LLMを搭載し、2人のAI司会者がまるで人間のように自然な会話で、入力されたコンテンツについて解説する10分程度のポッドキャストを生成します。

NotebookLMは、ユーザーが自由にカスタマイズできるRAG（Retrieval Augmented Generation）製品と捉えることができます。入力されたソースを元に、チャット形式で質問することで情報を得られます。

Audio Overviewは、驚くほど自然で説得力のある音声会話で、ポッドキャストのような仕上がりになります。音声合成には、Google ResearchのSoundStormという技術が使われており、スクリプトと2つの異なる声の短い音声サンプルから、魅力的な完全な音声会話を生成することが可能です。

AI司会者は、人間のように話し、ディスカッションを進めます。ただし、プロンプトによって動作が変化することもあり、例えば、AIであることを明示的に指示しない限り、AIであることを認識しない場合があります。

この機能は、Google I/Oの基調講演で発表され、その後、多くのユーザーが様々な用途で利用しています。例えば、自身のウェブサイトやLinkedInのプロフィールをNotebookLMに入力し、AI司会者による称賛のポッドキャストを生成することも可能です。

制約

NotebookLMのAudio Overviewは、入力されたコンテンツに基づいてポッドキャストを生成しますが、その内容はあくまでAIによる生成物であり、必ずしも正確であったり、人間が作成したポッドキャストと同一の品質であるとは限りません。また、AIの倫理的な問題や、生成されたコンテンツの信頼性など、注意すべき点も存在します。

本要約では、NotebookLMのAudio Overviewの概要と制約について説明しました。より詳細な使い方や機能については、NotebookLMの公式ドキュメントや関連情報をご参照ください。

引用元: https://simonwillison.net/2024/Sep/29/notebooklm-audio-overview/

人気漫画「ちいかわ」の最新話で、くりまんじゅうが拘束され、生贄にされる可能性を示唆する描写が登場し、大きな話題となっています。

これまで、くりまんじゅうは登場すると平和な展開になることが多いキャラクターでした。しかし、今回の話では、足がギチギチに縛られ、酒を飲まされ、苦しんでいる様子が描かれています。さらに、ハチワレの「なんとかなれ」が効かず、くりまんじゅうは骨に当たって苦しむなど、これまでになかった不穏な展開が描かれています。

これらの描写から、くりまんじゅうは神様に捧げられる生贄なのではないかと推測する声が上がっています。また、これまでの話を見返すと、くりまんじゅうが拘束されている描写が以前からあったことに気づき、恐怖を感じたという声も多数見られます。

この不穏な展開に、多くのファンは恐怖と同時に、今後のストーリー展開に期待を寄せています。ちいかわの世界観は、一見すると可愛らしいですが、実はダークな要素も持ち合わせています。今回の話で、そのダークな側面がより強調されたことで、ちいかわの世界観がより深みを増したと言えるでしょう。

補足:

引用元: https://togetter.com/li/2442564

（株式会社ずんだもんは架空の登場組織です）

OpenAIは、営利企業への再編を検討していることが明らかになりました。これは、CTOのミラ・ムラティ氏をはじめ、最高研究責任者（CRO）のボブ・マクグロウ氏、研究担当副社長のバレット・ゾフ氏といった主要な人物が相次いで退社したことを受けてのことです。

再編により、投資家にとってより分かりやすく、従業員がより容易に利益を得られる構造になると期待されています。ただし、非営利部門は別組織として存続する予定です。

OpenAIは、2022年末のChatGPTのリリース以降、急成長を遂げ、企業価値は1,500億ドルを超えるとの評価を得ています。しかし、その一方で、急速な成長に伴うリスクや、従業員や経営陣の不安定化といった課題も抱えています。

今回の再編は、これらの課題に対処し、OpenAIの持続的な成長を確保するための試みと考えられます。特に、優秀な人材の流出を防ぎ、今後の研究開発を推進していくことが重要となるでしょう。

今回の動きは、AI分野における競争が激化する中で、OpenAIがどのように対応していくのかを示す重要な出来事と言えます。今後、OpenAIがどのような方向に進み、AI技術の開発と社会実装にどのような影響を与えるのか、注目が集まります。

新人エンジニアの皆さんにとって、OpenAIはAI分野における最先端の技術開発を牽引する企業の一つです。今回の再編や人材の変動は、AI業界全体に大きな影響を与える可能性があります。常に最新の情報に目を向け、今後の動向を注視していくことが重要です。

引用元: https://www.cnbc.com/amp/2024/09/25/openai-cto-mira-murati-announces-shes-leaving-the-company.html

この記事では、Microsoftの研究者が行った、大規模言語モデル（LLM）を外部情報で強化する際に必要となる質問に関する調査結果について解説しています。

LLM単体では、特定の分野や最新情報への対応が難しい場合があり、外部データの活用が重要になります。外部データを用いることで、事実と異なる情報を生成してしまう「ハルシネーション」の抑制にも繋がります。

外部データ活用には、検索拡張生成（RAG）やファインチューニングといった手法がありますが、それぞれに課題も存在します。特に、専門性の高い分野や複雑な推論を必要とする質問に対しては、適切なデータ選択やLLMの活用方法が重要になります。

そこでMicrosoftの研究チームは、ユーザーからの質問を4つの難易度レベルに分類し、それぞれに適した解決策を提案しています。

質問の4つのレベル

LLMの能力を最大限に引き出すには、質問のレベルを理解し、適切なデータや手法を選択することが重要になります。この記事では、これらのポイントを踏まえて、LLMと外部データの連携をより効果的に活用する方法について解説しています。

新人エンジニアの皆さんにとって、LLMは非常に興味深く、かつ活用範囲が広い技術です。しかし、その潜在能力を最大限に引き出すためには、適切な知識と理解が必要です。この記事で紹介されているMicrosoftの研究成果は、LLMと外部データの連携に関する理解を深める上で、非常に有益な情報となるでしょう。ぜひ参考にして、LLMの活用を検討してみてください。

引用元: https://ai-data-base.com/archives/76241

AMDは、新たに開発した小型言語モデル（SLM）「AMD-135M」を発表しました。これは、AMD Instinct™ MI250アクセラレータを用いてゼロから学習された、Llamaファミリー初のSLMです。AMD-135Mは、一般的なデータ6700億トークンで学習された「AMD-Llama-135M」と、さらにコードデータ200億トークンでファインチューニングされた「AMD-Llama-135M-code」の2つのモデルで構成されています。

AMD-135Mの特徴として、推論処理の高速化を実現する「推論的デコード」技術が挙げられます。従来のオート回帰方式では、トークンを1つずつ生成するため処理速度が遅くなる問題がありましたが、推論的デコードでは、小さなモデルで候補トークンを生成し、大きなモデルで検証することで、複数のトークンを同時に生成し、推論速度を大幅に向上させています。

AMDは、AMD-135Mのトレーニングコード、データセット、およびモデルの重みをオープンソース化しており、開発者がモデルを再現したり、他のSLMやLLMの学習に役立てたりすることができます。これは、AI技術の進歩を促進し、より多くの人がその恩恵を受けられるようにするというAMDのコミットメントを示しています。

AMD-135Mは、データセンターのInstinct MI250アクセラレータや、AI PC向けのRyzen™ AIプロセッサ上で、推論処理の高速化を実現しています。AMDは、今後もAI分野におけるイノベーションを推進し、オープンソースコミュニティとの連携を強化していくことを表明しています。

制約事項

引用元: https://community.amd.com/t5/ai/amd-unveils-its-first-small-language-model-amd-135m/ba-p/711368

（株式会社ずんだもんは架空の登場組織です）

Replitは、3000万人以上の開発者がコードの作成、実行、共同作業を簡単にできるプラットフォームを提供し、AIイノベーションの最前線に立っています。最近リリースされたReplit Agentは、その使いやすさから瞬く間に人気となり、様々な用途で利用されています。

Replit Agentは、LangGraphと呼ばれる複雑なワークフローを基盤としており、高度なカスタマイズと並列実行を可能にしています。LangGraphはLangSmithとシームレスに連携し、エージェントの動作を詳細に可視化することで、問題のデバッグを容易にします。

Replit Agentの複雑さにより、LangSmithにも新たな課題が突きつけられました。LangChainとReplitのチームは協力し、LLMの可視化ニーズに対応するため、LangSmithに以下の3つの機能を追加しました。

ReplitはLangSmithの強力な可視化機能を活用することで、AIエージェントのモニタリングにおいて新たな地平を切り開いています。大規模なトレースの読み込みを高速化することで、複雑なエージェントの構築とスケーリングを加速させています。より迅速なデバッグ、トレースの可視化の向上、並列タスクの効率的な処理により、AI駆動開発の新たな基準を確立しています。

引用元: https://blog.langchain.dev/customers-replit/

Molmoは、Allen Institute for Artificial Intelligence（Ai2）によって開発された、マルチモーダルなオープン言語モデルです。簡単に言うと、画像とテキストの両方を理解し、それらに基づいて質問に答えたり、情報を生成したりできるAIシステムです。

Molmoの主な特徴としては、以下の点が挙げられます。

Molmoを利用する上での注意点としては、まだ開発中のシステムであり、完璧な回答が得られない場合もある点です。また、入力データの質によって出力結果も変化するため、適切な情報を与えることが重要です。

Molmoは、画像認識や自然言語処理といった分野における研究開発を促進する可能性を秘めています。将来的には、様々なアプリケーションに活用され、私たちの生活をより便利で豊かなものにしてくれることが期待されます。

引用元: https://molmo.allenai.org/

Metaは、エッジAIとビジョン分野に革命を起こすことを目指し、カスタマイズ可能なオープンソースの大規模言語モデル「Llama 3.2」をリリースしました。

Llama 3.2は、小型で中型のビジョンLLM（11Bと90Bパラメータ）と、エッジデバイスやモバイルデバイスに適合する軽量なテキストモデル（1Bと3Bパラメータ）を提供します。これにより、限られた計算リソースしかない開発者でも、Llamaを活用したアプリケーション開発が可能になります。

11Bと90Bのパラメータを持つビジョンLLMは、グラフやチャートを含む文書レベルの理解、画像のキャプション生成、画像内のオブジェクトの特定などのタスクに対応します。例えば、売上グラフから特定の月の売上状況を尋ねたり、地図から登山道の傾斜や距離を尋ねたりすることが可能です。

1Bと3Bのパラメータを持つ軽量モデルは、多言語テキスト生成やツール呼び出し機能に優れており、プライバシーを重視したオンデバイスアプリケーションの開発に適しています。例えば、受信したメッセージの要約、アクションアイテムの抽出、カレンダーへの招待など、データをデバイスから送信することなく処理できます。

Llama 3.2は、オープンソースかつカスタマイズ可能であるため、開発者は自由にモデルを改変し、独自のアプリケーションに組み込むことができます。Metaは、AMD、AWS、Google Cloudなど、多くのパートナー企業と連携し、Llama 3.2のエコシステムを構築しています。また、Arm、MediaTek、Qualcommといった企業とも協力し、幅広いデバイスへの対応を目指しています。

Llama 3.2は、画像認識や視覚的な理解タスクにおいて、既存の最先端モデルに匹敵する性能を達成しています。また、軽量モデルは、指示に従う、要約する、プロンプトを書き直す、ツールを使用するといったタスクにおいて、他の小型モデルよりも優れた性能を示しています。

Llama 3.2は、エッジAIやビジョン分野における開発を加速させる可能性を秘めており、今後の発展が期待されます。

制約:

引用元: https://ai.meta.com/blog/llama-3-2-connect-2024-vision-edge-mobile-devices/

この文章は、はてな匿名ダイアリーに投稿された、ライトノベルや小説投稿サイト「なろう」を好むユーザーに対する疑問と批判を述べたものです。

筆者は、はてなユーザーの多くが40代以上であり、ライトノベルやなろうといった比較的新しいジャンルの小説に熱中していることに疑問を抱いています。

筆者は、ライトノベルやなろうは、ドストエフスキーの時代から存在する「小説」という娯楽の延長線上にあるものであり、特に新しいものでも特別なものでもないと主張しています。また、それらの小説を特別な存在だと捉え、純文学を敵視するようなユーザーの姿勢も批判しています。

さらに、ライトノベルやなろうは、若者文化というよりも、むしろ古くからある娯楽であり、現代において小説を読む人は多くないという点も指摘しています。

要約すると、この文章は、ライトノベルやなろうに対する過剰な熱狂や、それらを特別な存在だと捉えるユーザーの姿勢を批判し、小説という娯楽の歴史的文脈の中で、それらの位置づけを再考するよう促す内容となっています。

新人エンジニアの皆さんにとって、この文章は、様々なジャンルの文化や娯楽に対する客観的な視点を持つことの大切さを示唆していると言えるでしょう。また、新しい技術や流行に飛びつくだけでなく、その歴史的背景や社会的な文脈を理解することが重要であるという教訓も得られるかもしれません。

引用元: https://anond.hatelabo.jp/20240926165409

（株式会社ずんだもんは架空の登場組織です）

LangChainのLangGraph Studioに、エージェントの設定を容易にする新しい機能「Assistant Editor」が追加されました。このビジュアルエディタにより、開発者だけでなく、コードに詳しくないユーザーでも、LLMベースのエージェントの動作を微調整できるようになります。

Assistantとは？

Assistantは、LangGraphにおけるグラフのインスタンスで、特定の設定が適用されています。これにより、グラフの根本的なロジックを変更せずに、エージェントの動作を迅速に変更できます。特に、実験やコードを書かずにエージェントをカスタマイズする際に便利です。同じグラフ構造を持つAssistantであっても、プロンプト、モデル、その他の設定オプションが異なる場合があります。

Assistant Editorとは？

Assistant Editorは、LangGraph Studioに搭載された、Assistantの作成と変更のためのビジュアルインターフェースです。

誰がどのように恩恵を受けるか？

Assistant Editorを使うには？

LangGraph Studioを最新バージョンに更新し、プロジェクトを開いて、「Assistants」ドロップダウンから新しいAssistantを作成するか、既存のAssistantを選択して編集します。

今後の展望

Assistant Editorは、エージェント開発をよりアクセスしやすく、効率的にするための取り組みの始まりに過ぎません。LangGraph Studioを、LangGraph Cloudに展開されたエージェントと対話するための完全なGUIにすることを目指しています。APIのすべてのエンドポイントをStudioから使用できるようにすることで、より多くの人がエージェントの開発と管理を行うことができるようになります。

LangGraph StudioのAssistant Editorで、エージェントの設定をビジュアルに行いましょう。

引用元: https://blog.langchain.dev/asssistant-editor/

Amazon Web Services (AWS)は、Metaの最新の大規模言語モデル（LLM）であるLlama 3.2の11Bパラメータと90Bパラメータのモデルを、SageMaker JumpStartとAmazon Bedrockで利用可能にしたことを発表しました。

Llama 3.2は、画像認識機能を備えた初のLlamaモデルであり、テキストだけでなく画像を理解して処理することができます。これにより、ドキュメントの画像からの質問応答、画像からの構造化情報の抽出、画像のキャプション生成など、幅広いビジョンベースのユースケースに対応できるようになりました。

Llama 3.2の主な特徴

ビジョンベースのユースケース

AWSは、Llama 3.2のビジョン機能を活用した様々なユースケースを紹介しています。

AWSサービスとの連携

Llama 3.2モデルは、SageMaker JumpStartとAmazon Bedrockで利用できます。SageMaker JumpStartでは、モデルへのアクセスと推論実行が容易になります。Amazon Bedrockでは、Converse APIを使用して、画像を含むテキストプロンプトを送信し、モデルからの応答を受け取ることができます。

これらの機能は、eコマース、マーケティングなど、様々な業界で生産性を向上させる可能性を秘めています。AWSは、Llama 3.2モデルを活用したアプリケーション開発を促進し、顧客のビジネスに貢献していくことを目指しています。

引用元: https://aws.amazon.com/blogs/machine-learning/vision-use-cases-with-llama-3-2-11b-and-90b-models-from-meta/

Amazon SageMaker JumpStartに、Metaが開発した大規模言語モデル「Llama 3.2」が追加されました。これにより、Amazon SageMakerを利用する日本のエンジニアは、簡単にLlama 3.2を活用できるようになりました。

Llama 3.2は、高性能な自然言語処理モデルであり、様々なタスクに利用できます。例えば、テキスト生成、翻訳、質問応答などです。JumpStartは、機械学習モデルを簡単に利用できるようにするためのサービスです。Llama 3.2がJumpStartに追加されたことで、エンジニアはコードを記述することなく、すぐにLlama 3.2を利用できるようになりました。

SageMaker JumpStartを利用するメリットは、以下の点が挙げられます。

今回のアップデートにより、日本のエンジニアは、より簡単に高度な自然言語処理モデルを利用できるようになりました。Llama 3.2を活用することで、様々な業務の効率化や自動化が可能となり、業務の改善に貢献できるでしょう。

制約としては、利用にはAWSアカウントが必要となります。また、Llama 3.2の利用には、AWSの利用料金が発生する可能性があります。詳細な利用方法や料金については、AWSの公式ドキュメントをご確認ください。

引用元: https://aws.amazon.com/blogs/machine-learning/llama-3-2-models-from-meta-are-now-available-in-amazon-sagemaker-jumpstart/

この記事は、著者が40歳になって藤子Fの大長編ドラえもんを読み返した感想を記したものです。各作品におけるストーリー、キャラクター、伏線、そして著者の個人的な印象や考察がまとめられています。

概要

記事では、「のび太の恐竜」から「のび太とブリキの迷宮」まで、全17作品について、著者の視点から印象的なシーンやキャラクター、ストーリー展開などが語られています。例えば、「のび太の宇宙開拓史」ではギラーミンの有能さやガルタイト鉱業の社員のやる気のなさについて触れ、「のび太の大魔境」ではダブランダーの政権運営の不安定さやブルススの強さについて言及しています。また、「のび太と鉄人兵団」ではリルルの行動原理やミクロスの可愛らしさについて考察しています。

制約

記事では、各作品に対して、著者が個人的に感じた印象や考察が多く含まれています。特に、敵キャラクターの行動原理やストーリー展開に対する解釈、他の作品との類似点など、著者の主観的な視点からの分析が特徴です。また、一部の作品では、藤子Fの作風や制作背景に言及し、作品を読み解く上で新たな視点を与えています。

新人エンジニアへの補足

この記事は、ドラえもんの大長編作品に対する個人の感想であり、技術的な内容ではありません。しかし、各作品におけるストーリー展開やキャラクターの行動原理を分析する様子は、エンジニアリングにおいても問題解決やシステム設計を考える際に役立つ思考プロセスと捉えることができます。例えば、敵キャラクターの行動や目的を分析する過程は、システムの不具合やリスク分析に、ストーリー展開の考察は、システム設計や開発における問題解決のプロセスにそれぞれ例えることができます。この記事を通して、多様な視点を持つことや、物事を深く分析する思考を養うことが、エンジニアリングの仕事にも活かせることを理解できるでしょう。

引用元: https://anond.hatelabo.jp/20240909000111

（株式会社ずんだもんは架空の登場組織です）