にょんたか🐾 retweeted
いやもうこれいんたーねっつのまともな維持無理でしょ..
news.yahoo.co.jp/articles/0c…
👀
Connect your AI agents directly to Google Colab runtimes! ⚡️
With the new Colab API and MCP endpoint, provisioning runtimes and executing Python headlessly is just a config away.
Learn more: medium.com/google-colab/the-…
#GoogleColab #MCP #Python #AI
184
覚えておくこと
We’re expanding free access to our frontier models for up to 200,000 scientists worldwide, with training and support.
Applications open Nov. 23. By default, we don’t use data shared through the program to train our models.
openai.com/index/expanding-c…
196
こ、これは…
これでAI査読を突破できるってこと?
すごい時代だ。
Hou, R., et al. (2026). Multi-objective optimization of shoulder muscle forces during forward flexion using NSGA-II. Computer Methods in Biomechanics and Biomedical Engineering, 1–16.
tandfonline.com/doi/full/10.…
1
1,078
あれ?初配信で言ってた記憶があるんだけど、これはパラレルワールドの記憶なのかな…
ということで!
【 #こより実は 薬剤師】でした!!!🧪
他にも人生紆余曲折あってこういう感じに育ちました。という話をさせてもらったよ~!
活動は今後変わらないけど、活かせることがあったらいいな☺
youtube.com/watch?v=COLL7CHA…
#こより実験中
1,335
👀
این مقاله واقعاً دیوانهکنندهست!
پژوهشگرهای چینی مقالهای منتشر کردن با عنوانی که باید تمام سازندگان ایجنتهای هوش مصنوعی رو به فکر فرو ببره:
«پایان Harness Engineering»
حرف اصلی مقاله در یک جملهست:
شاید دوران طراحی و کدنویسی دستی تمام اجزای اطراف مدلهای هوش مصنوعی داره به پایان میرسه.
بذار سادهتر بگم:
تا امروز ما برای ساخت هر ایجنت، ابزارها، دستورالعملها، گردش کار و منطق اجرایی رو طراحی میکردیم؛ بعد هم همون ساختار رو ماهها استفاده میکردیم.
اما این مقاله یه ایده متفاوت داره:
چرا اجازه ندیم خود سیستم، زیرساختش رو بهتر کنه؟
روش کارش جالبه:
۱. یک مدل کوچیک ۴ میلیارد پارامتری، شکستها و خطاهای سیستم رو بررسی میکنه.
۲. برای بهتر شدن عملکرد، ۸ تغییر مختلف پیشنهاد میده.
۳. هر تغییر با مجموعهای از سؤالات و تستها ارزیابی میشه.
۴. فقط تغییری باقی میمونه که واقعاً نتیجه بهتری گرفته باشه.
نکته مهم اینه که مدل اصلی ثابت میمونه؛ چیزی که مدام تغییر میکنه، هارنس و ساختار اجرایی ایجنته.
این ایده به یک مدل یا فریمورک خاص محدود نیست و میتونه نگاه ما به ساخت ایجنتها رو تغییر بده.
اما بخش مهمتر ماجرا:
نقش انسان از کدنویسی و دستکاری مداوم سیستم، به طراحی آزمونها و معیارهای موفقیت منتقل میشه.
یعنی باید دقیق بدونیم از ایجنت چی میخوایم و چطور بفهمیم واقعاً بهتر شده یا نه.
شاید در آینده مزیت رقابتی ما این نباشه که چقدر خوب برای ایجنتها کد مینویسیم؛ بلکه این باشه که چقدر خوب میتونیم عملکردشون رو بسنجیم و بهبود بدیم.
خلاصه ایده مقاله در یک جمله:
قبل از اینکه کد رو بنویسی، امتحانش رو طراحی کن!
143
にょんたか🐾 retweeted
西側秩序の善悪はさておき、西側秩序が維持できていない社会で西側秩序を信じ西側秩序に殉じようとすると「闇米を食べずに餓死した裁判官」になってしまうよね
自分が餓死するだけなら本人の生き方の問題だけど、政治はその覚悟がない人を大量に巻き込む
にょんたか🐾 retweeted
☄️ #星街すいせい 重大告知 ☄️
#星街すいせい が12月9日にソニーミュージック・Echoesよりメジャーデビュー決定🐏🎊
さらに、メジャーデビューシングル『だって僕は』の完全生産限定盤CDパッケージの発売が決定💽
▼ご予約はこちら
HoshimachiSuisei.lnk.to/BECA…
にょんたか🐾 retweeted
高EffortのOpusの替わりに、低EffortのFableを使うと費用あたりの成果は多少上がり、時間当たりの成果は大幅に上がる。
サブスク枠で使ってる場合は
Fable5.2を週間リミットまで使い
Fable枠が切れたらOpus5.5を使うとよい。
従量課金勢はOpusの高Effortを使う意味はない。
にょんたか🐾 retweeted
AIで浮いた時間は、誰のものか。
米ニューヨーク州弁護士会が、弁護士のAI利用に関する倫理ガイドラインを採択しました。AIで節約できた時間を依頼者に請求できる範囲を限定する方向性や、AIの出力を人が確認する監督義務が示されています。
法務サービスの価値は「かけた時間」から「成果と品質」へ。これは日本の企業法務にとっても、外部専門家やBPOの費用をどう見るかを考える好機だと思います。AIが下書きを出す時代に価値を持つのは、出力を検証し、事業判断につなげる専門家の目。MOLTONが「AI×専門家チーム」で法務BPOを提供しているのも、スピードと品質の確認を一体で届けるためです。
法務の外部活用を見直したい方は molton.inc からお気軽にどうぞ。
#MOLTON #CloudLegal #リーガルテック #法務DX #生成AI
日本の公開データ研究マップ(JapanStatsMAPs)を公開しました shoei05.com/articles/3001/
にょんたか🐾 retweeted
主成分分析という手法が1901年にKarl Pearsonによって着想され、1933年にHarold Hotellingが固有値分解という道具立てで数学的に整え直してから、120年以上が経ちました。多変量データの分散が最大になる方向を軸として取り直すという、やっていること自体はこの間ずっと変わっていません。
この手法が今も現役で使われている理由を、分散を最大化するという定義一点から考えてみます。変数が多い状態のまま相関構造を眺めるのは人間には難しく、情報をできるだけ保ったまま少数の軸に落とし込みたいという需要は、業種を問わず常にあります。財務指標を集約するときも、複数のセンサーデータを一つの指標にまとめるときも、やっていることの数学的な中身は同じで、共分散行列を固有値分解し、固有値の大きい順に軸を並べ替えているだけです。
ただ、ここで一つ区別しておきたい点があります。主成分分析がやっているのは次元の縮約であって、縮約した先の軸が何を意味するのかを教えてくれる手続きではありません。第一主成分が規模を表していそうだ、第二主成分は効率性の対比のようだという読み方は、分析者が後付けで与える解釈であり、数学が保証している意味づけではないんですよね。分散が大きいという事実と、その方向がビジネス上重要だという事実は、別の話として扱う必要があります。分散は小さいがタスクにとって決定的に重要な方向を、主成分分析はあっさり切り捨てることがあります。
サンプル数が変数の数に比べて少ない場合の挙動も、意外と見落とされがちです。共分散行列の推定自体が不安定になり、抽出された主成分が母集団の構造を反映しているのか、手元の標本にたまたま現れた癖を拾っているだけなのか、区別がつきにくくなります。次元を削減したはずなのに、削減した先の軸が何を説明しているのか分からないという状態は、分析の目的を見失ったまま手続きだけを進めた結果だと思っています。
この性質は標準化の有無にも敏感です。売上を円で、従業員数を人数で、そのまま計算に放り込むと、桁の大きい変数の分散だけが主成分を支配してしまいます。各変数を平均0、分散1にそろえてから計算するのは、分析対象の構造を見たいのか、それとも単位の選び方を見ているだけなのかを混同しないための手続きです。
非線形な構造を扱うカーネル主成分分析や、大規模データ向けに計算を軽くする確率的特異値分解のような拡張も進んでいますが、どれも分散を最大化するという元の定義を土台にしています。120年前に決まった定義が今も生きているのは、この定義がシンプルで、かつ多くの場面でそこそこ機能するからです。ただ、分散という一つの物差しで測れないものが常にあるという前提を忘れると、縮約された数字を見て分かった気になるという、一番避けたい状態に陥ります。

































