PyTorch、 attention の 実装を 比較
PyTorch の attention 実装をプロファイラーで比較しました。 ナイーブ実装では masked_fill がメモリコピーを発生させます。 masked_fill_ に変えるとカーネルが 1 つ減ります。
PyTorch の attention 実装をプロファイラーで比較しました。 ナイーブ実装では masked_fill がメモリコピーを発生させます。 masked_fill_ に変えるとカーネルが 1 つ減ります。
LINE ヤフーで生成 AI 活用の LT 会が開催されました。 業務や日常の問題を解決した 9 件の事例を共有しました。 LLM 評価ツールによる Skill 改善などが発表されました。
LINE ヤフーが AI 開発をワークフロー化しました。 Noah MCP で Jira や Slack を AI が横断します。 実装前に計画と未解決の質問を提示します。
LINE ヤフーが Flava API Gateway の開発手法を公開しました。 仕様駆動開発でエージェントの出力を安定させます。 テストは 2,754 件、全体が約 15秒で完了します。
Stockmark が AI エージェント開発の知見を共有しました。 製造業 R&D 向けエージェントを 2 ヶ月で初回リリースしました。 汎用ツールではなく業務特化で差別化すると説明しました。
LINE Plus の SRE チームが OpenTofu で IaC を導入しました。 約 1,500 個のリソースをコードで宣言しています。 コードと実インフラの差分を毎日自動で検知し、通知します。
LINE ヤフーが分析エージェントを先行展開しました。 分析の所要時間は平均約 2 週間から約 10分に短縮しました。 事業部内では月数百回規模の分析が行われるようになりました。
LINE ヤフーが AI Agent とブラウザの自動化を解説しました。 Playwright を使い、社内システムの操作をスキル化します。 デザイナー向けに Figma MCP と組み合わせた実践も行いました。
英 AISI が Engineering Playbook を公開しました。詳しくは出典へ。
ABEJA が IfR に顧客検証ループを導入しました。 顧客ヒアリングを価値検証として開発に組み込みます。 顧客接点を持つ全員が「PBI の種」として気づきを起票できます。
LINE アルバムの QA が AI 自動化ワークフローを導入しました。 30 以上のワークフローが品質イベントに自動で反応します。 スケジュール実行と Webhook 実行の 2 方式で運用します。
ABEJA が LLM 強化学習の Rollout ズレを解説しました。 vLLM と transformers では同じ Token でも確率が最大 0.215 ずれます。 ズレの補正には Importance Sampling が使われます。
LINE ヤフーがエージェント開発の勉強会を開催しました。 ODW は社内エンジニア約 7,000 人を対象に展開されています。 参加者は非参加者より AI 未利用率が 34% 低いです。
Stockmark が商談議事録からの要望抽出を自動化しました。 amptalk の議事録と API を活用し既存フローは変更しません。 入力作業は 1 件 5分以上から実質ゼロになりました。
Stockmark が Skills をテーマに社内ハッカソンを開催しました。 吉田さんが Redash を Claude から操作する Skills で優勝しました。 Redash Skills は読み取り専用で書き込み系 SQL を弾きます。
ABEJA がエッジ環境の VLM による構造化出力を検証しました。 Grammar 制約で JSON 形式を強制し、出力崩れを防ぎます。 Visual Prompt Injection への出力層の防御にもなります。
Stockmark が Devin で社内 QA を半自動化しました。 月平均 55 件の問い合わせを 49% 減の 27 件に削減しました。 信頼度が高い回答の正答率は 95% です。
ABEJA が Agentic RL の取り組みと知見を公開しました。 SFT と強化学習でエージェント能力を強化しています。 検索ツールに OpenSearch を採用しています。
Mentor Pi を ROS 2 で動かす環境を構築しました。 macOS では Gazebo と pixi を使いシミュレーションします。 SLAM の自動探索を frontier exploration で検証しました。
筆者が VSCode から Zed に移行しました。 Neovim は操作の習得が難しく挫折しました。 Zed は軽快で設定も 1時間未満で完了しました。
SSH の 1 文字入力で 270 パケットが送信されます。 36 バイトのパケットが全体の 66.3% を占めます。
Mistral AI が vLLM のメモリリークを調査しました。 リークは P/D 分離構成の decode 側でのみ発生しました。 システムメモリが毎分 400 MB 増加しました。
ABEJA の坂井氏が NVIDIA Clara で医療 AI を試しました。 VISTA-3D を CT 画像でファインチューニングしました。 BioNeMo でタンパク質言語モデル ESM-2 の学習と推論を行いました。
ABEJA が gpt-oss-120b の推論能力を検証しました。 論理クイズや数学の問題を解かせて思考過程を観察しました。 設定は temperature 1.0、reasoning effort は high です。
ABEJA が Strands と AgentCore で分析基盤を構築しました。 自然言語の質問を SQL に変換し Athena で実行します。 本番 DB には接続せず S3 上のデータを参照します。
ABEJA の大谷氏が π0 の action expert をコードで解説しました。 action expert は VLM に後付けし連続アクションを生成します。 Flow Matching の基礎を三日月データで確認します。
Mistral が Pixtral-12B を衛星画像で調整しました。 LoRA でモデル全体を再学習せず効率的に適応できます。 AID の分類で基本モデルを上回る精度を達成しました。
Stockmark が OpenSearch を 2.17 へ無停止で移行しました。 Elasticsearch 7.10 から 1.3 を経て 2 段階で移行しました。 ANN を使ったベクトル検索の導入が目的です。
Claude Code が開発者の業務の約 7 割を代替できます。 Sonnet4 と Opus4 をほぼ使い放題で利用できます。 大規模な 0→1 開発や UI 実装は苦手です。
Devin が Flutter アプリの依存関係更新を支援しました。 古いライブラリの更新計画を issue にまとめます。 dependabot の PR を週次で確認し要約します。
ストックマークなど 4 社が LT イベントを開催しました。 Algomatic は画像を 3D 風へ変換する手法を紹介しました。 サイバーエージェントは漫画を自動ローカライズします。
Mistral が RAG 評価の手法を解説しました。 RAG Triad は文脈関連性・根拠性・回答関連性で評価します。 構造化出力で判定用 LLM の評価を安定させます。
Mistral AI が PRD 自動生成のエージェントを公開しました。 会議の文字起こしから PRD と開発チケットを生成します。 Mistral Large 2 を基盤に Linear へ連携します。
レイアウト解析は物体検出をベースに要素を検出します。 PubLayNet は約 36 万枚の文書画像を持つデータセットです。