サクサク読めて、
アプリ限定の機能も多数！
アプリで開く
本記事は、マケデコ advent calendar 2025 5日目の記事です。 はじめに 近年の生成AIの発展を見て、「これで思いっきり投資アルゴの量産プラットフォーム作りたい！」と思ったことがある人は多いんじゃないでしょうか？ ・・・僕はあります。 なかなか、そのような課題に会社のチームでチャレンジする機会があることは珍しいのですが、様々な理由により、本気でそのようなことが実現できるAIエージェントフレームワークを作ろうということになり、 MixSeek というソフトウェアを開発しました。こちらでOSSとして公開しています。なお、後述するアルゴ量産部分はprivateでプラグインで開発しているので、公開されているのはあくまで基盤部分となります。 MixSeekという名前の由来ですが、最初はdseekという社内コードネームで開発していたのですが、DeepSeekに名前が近すぎるという問題
We gave Claude the ability to fine-tune language models using a new tool called Hugging Face Skills. Notjust write training scripts, but to actually submit jobs to cloudGPUs, monitor progress, and push finished models to the Hugging Face Hub. This tutorial shows you howit works and how to useit yourself. Claude Code can use "skills"—packaged instructions, scripts, anddomain knowledge—to accom
この記事はSmartHR Advent Calendar 2025 シリーズ2の6日目の記事です🎄 はじめに 私は今年の10月に3人目のMLエンジニアとしてSmartHRに入社しました。SmartHR自体は創業してから10年以上経つ会社ですが、「AI機能の開発」は最近になってから力を入れ始めたように思います。その理由は、膨大な費用と時間を投資することで長期的なリターンを狙う「AI機能の開発」というものが、若いSaaS系の企業のスピード感とはマッチしていなかったからなのではないかと考えています。そのためか、古くからSmartHRにいる方から「MLエンジニアって具体的にどういう仕事をするの？ データサイエンティストとは違うの？」という疑問を投げかけられたりしています。 そこで今回は、私の 「完全に個人的な観測範囲」 に基づいて、機械学習界隈の職種を分類してみました💡 「完全に個人的な観測
［速報］AWS、基盤モデルをユーザーが独自データで学習させてカスタマイズできる「Nova Forge」発表Amazon Web Services（AWS）は、日本時間12月3日未明から開催中の年次イベント「AWS re:Invent 2025」で、同社独自の基盤モデル「Amazon Nova 2」に対してユーザーが独自データを用いて学習させることでカスタマイズした基盤モデルを作成できる新サービス「Nova Forge」を発表しました。 Nova Forgeは、Amazon Nova 2の基盤モデルの学習の各段階、事前学習済み・中間学習済み・事後学習済みにおいて、Amazon Novaのためにキュレーションされたデータとユーザー独自のデータを組み合わせることが可能です。 これによりNovaの知識と推論能力にユーザーの業務などへの知識や理解を融合させたカスタマイズ済みのAIモデルが実現されま
An LLM-as-Judge Won't Save The Product—Fixing Your Process Will [ eval llm engineering ] · 5 min read Product evals are misunderstood. Some folks think that adding another tool, metric, or LLM-as-judge will solve the problems and save the product. But this sidesteps the core problem and avoids the real work. Evals aren’t static artifacts or quick fixes; they’re practices that apply the scientific
こんにちは、PredNextの徳永です。本当は週1くらいで更新するつもりにしていたのですが、ずいぶんと更新が滞ってしまいました。この忙しさで品質にこだわり始めると年に1〜2本しか記事を書けなくなってしまうので、次からは細かいところには目をつむって素早く更新することを心がけます。 閑話休題、2025年、拡散言語モデルであるMercury Coder、Gemini Diffusion、Dream 7B などが少し話題になりました。まだ実用的に使われている事例が出てきているとは言いづらい状況ですが、注目が集まっているとは言えるでしょう。 現状のLLMのモデルアーキテクチャであるTransformer（より正確には、自己回帰モデル型のTransformer）は、実行効率の面で根本的な問題を抱えています。特に、一つのプロンプトだけに対して応答を生成する場合、実効効率がどうしても低くなりがちです。この
TOPフォーカス「クマ遭遇AI予測マップ」を開発して見えたもの。人流解析のプロが野生動物の世界に挑んだ所感【フォーカス】 上智大学 応用データサイエンス学位プログラム 准教授 データサイエンティスト 深澤 佑介機械学習応用や時空間データ解析を専門とする。株式会社NTTドコモに19年間在籍し、携帯電話の運用データに基づくモバイル人口統計の実用化研究等に従事。人々の移動需要や飲食店の需要予測など、都市空間における人流解析の最前線で活躍。2023年4月より上智大学准教授。 クマ遭遇AI予測マップ（上智大学 深澤研究室サイト内） researchmap 連日のようにクマによる人身被害が報じられ、状況が深刻化しています。環境省の2025年10月17日付発表によると、今年度のクマによる死者数はこの時点で7名で、過去最多。この状況に対し、さまざまなアプローチでのクマ対策が各地で進んでいます。 そんな中
四半世紀前に創業したDeNAは現在、第2の創業と位置づけ、AIにオールインすることを宣言、AIを軸にしたさまざまな戦略を進める中、安心・安全なAI活用を支えるべく、データガバナンスに取り組んでいる。 「一人ひとりに 想像を超えるDelightを」というミッションに基づき、ゲームをはじめ、ライブコミュニティ、スポーツ・まちづくり、ヘルスケア・メディカルなど、さまざまな事業を展開するディー・エヌ・エー（DeNA）。同社は現在、経営資源の全てをAIに投資する「AIオールイン」を推進している。 同社の安心・安全なAI活用を実現していくうえで重要な役割を担うのがデータ基盤部だ。「ゲームエンタメ」「ライブコミュニティ」「ヘルスケア・メディカル」「スポーツ・バックオフィス」という事業分野ごとに4つのグループがある「ストリームアラインドチーム」と、プラットフォームグループによる「イネイブリング・プラットフ
オープンAIが、従来より理解しやすい実験的AIモデルを開発した。各ニューロンの接続を減らす「weight-sparse transformer」で、モデル内部の動作を追跡可能になる。幻覚や暴走の原因解明につながり、AIの安全性向上が期待される。 by Will Douglas Heaven2025.11.14 16 この記事の3つのポイント オープンAIIが従来より理解しやすい実験的大規模言語モデル「weight-sparse transformer」を開発 現在のLLMはブラックボックス的存在で幻覚や暴走の原因解明が困難という背景がある 現段階では性能が限定的だが数年内にGPT-3レベルの完全解釈可能モデル実現を目指す summarized by Claude 3ChatGPT（チャットGPT）の開発元であるオープンAI（OpenAI）は、従来のモデルよりもはるかに理解しやすい実験的な
In 1950, when computing was little more than automated arithmetic andsimplelogic, AlanTuring asked a question that still reverberates today: canmachines think?It took remarkable imagination to see what he saw: that intelligence might someday be built rather than born. That insight later launched a relentless scientific quest called Artificial Intelligence (AI). Twenty-five years into my own c
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
AWS simplifies model customization to help customers build faster, more efficient AI agents
