開発者ツール

B
326 件中 211〜240 件目を表示
  • Publickey · JA エージェント・ツール使用
    OpenAIやAnthropicなどAIベンダごとのAPIの違いを吸収し統合する「Agent Router」、Linux Foundation傘下で業界標準へ
    Envoy AI GatewayがAAIFに加盟し「Agent Router」に改名、LLM API差異を吸収する業界標準へ
    AI エージェント Anthropic 機械学習 Model Context Protocol (MCP) OpenAI
    Linux Foundation傘下のAgentic AI Foundation (AAIF) は、オープンソースの「Envoy AI Gateway」がAAIFに加盟し「Agent Router」に改名したと、9月10日のAGNTCon+MCPCon Japan 2026基調講演で発表した。OpenAI、Anthropic、Gemini、Bedrock、Azure OpenAI など多数のAIサービスをOpenAI互換の単一APIで扱え、複数MCPサーバを束ねるMCP Gateway、フォールバックやトークン量制限、メトリクスに基づくルーティング、可観測性も備える。既にv1.1で本番利用可能で、AAIFは事実上の業界標準化を目指す。
    元記事を読む (Publickey) ↗
  • arXiv cs.CL (Computation and Language) · EN 学習・ファインチューニング
    Sequential Adapter Stacking for Cross-Lingual Low-Resource ASR
    ファインチューニング 音声処理
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 推論・効率化
    Look Before You Leap: Factual Decoding with Internal Attribution Signals
    推論 (Inference) 機械学習 検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    Design of a Deep Learning Credit Risk Early Warning System Integrating Multi-source Heterogeneous Data
    深層学習 ニューラルネットワーク 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • Data Center Dynamics · EN 開発者ツール
    Villagers tie 5G technician to pole in protest over poor cellular coverage in India
    インドの村民、5G不通に抗議して通信技術者を鉄塔に縛り付け
    検索拡張生成 (RAG)
    インド・ウッタルプラデーシュ州ハルダウリ村で9月10日、2年間5Gが使えないことに憤った住民がReliance Jioの委託技術者を携帯鉄塔に縛り付ける事件が発生。「上司が来るまで」拘束すると告げる様子が動画で拡散し、警察が捜査を開始。Times of Indiaによると住民5人が拘束された。
    元記事を読む (Data Center Dynamics) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    Are LLMs Good Financial User Simulators? A Preliminary Study
    検索拡張生成 (RAG)
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.LG (Machine Learning) · EN 開発者ツール
    Solving Finite-sum Coupled Compositional Optimization via Multi-block-Single-probe Estimator
    アルゴリズム・理論
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    Data storytelling meets interpretable machine learning: Decoding AI decisions for non-experts without revealing sensitive data and model details
    機械学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • Data Center Dynamics · EN インフラ・ハードウェア
    DayOne breaks ground on data center in Tokyo, Japan
    DayOne、東京・小平で42MWデータセンターに着工 都内2拠点目
    APACのデータセンター企業DayOneが東京・小平データセンターの第1期に着工。第1期は15MW、キャンパス全体で42MWのIT容量を計画する。同社はGaw Capitalと府中インテリジェントパークで80MWのキャンパスも開発中で、第1期18MWは2027年半ばに躯体完成予定。DayOneは2025年に中国GDSから分離した。
    元記事を読む (Data Center Dynamics) ↗
  • arXiv cs.LG (Machine Learning) · EN 開発者ツール
    Knowledge-Enriched Structured EHR Features for 30-Day Hospital Readmission Prediction on MIMIC-IV
    埋め込み (Embeddings)
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    New Conditions for Philosophers to Catch the Wave of Citizen Deliberation in the Age of Artificial Intelligence in advance
    深層学習 ニューラルネットワーク
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.LG (Machine Learning) · EN 推論・効率化
    Backward SDEs-based Diffusion for Physics-Constrained Generation
    深層学習 推論 (Inference) 強化学習
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • Data Center Dynamics · EN インフラ・ハードウェア
    Sponsored: Data center growth is reshaping the insurability question
    Marsh寄稿:巨大化するデータセンターが保険可能性の前提を変える
    保険ブローカーMarshのMichael Mathews氏が、データセンターの急拡大が保険引受の考え方を変えていると論じる寄稿。5年前は5億ドルで大型案件だったが、今や都市規模の開発が珍しくなく、2020年に100億ドルだった施設は140〜150億ドルに達しうる。発電資産の組み込みなどで、リスクは従来の物的損害の枠を超えている。
    元記事を読む (Data Center Dynamics) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    EEG-Xplain: Decoding Neural Black-Boxes of EEG Foundation Models
    ニューラルネットワーク 検索拡張生成 (RAG)
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.CL (Computation and Language) · EN 新モデル・リリース
    RESKILL: Explicit Failure Attribution and Structured Repair for Interactive Language Agents
    AI エージェント 深層学習 検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    Scalability and Performance Evaluation of Federated Learning Frameworks: A Comparative Analysis
    機械学習 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.LG (Machine Learning) · EN 開発者ツール
    Projection-Free Multi-level Algorithms for Stochastic Constrained Compositional Optimization
    アルゴリズム・理論
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN マルチモーダル
    Don't Send What You Don't Need: Question-Guided Token Pruning as a Privacy Defense for Vision-Language Models
    コンピュータビジョン 深層学習 埋め込み (Embeddings) 推論 (Inference) ソフトウェア工学
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN マルチモーダル
    Benchmarking Intra-Patient 3D Deformable Multimodal Image Registration
    深層学習 検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    CIDERS: Cloud-Edge LLM Collaborative Learning via Accelerating Personalized Bilevel Optimization
    埋め込み (Embeddings) 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.CL (Computation and Language) · EN 開発者ツール
    CiteShade: Citation Laundering in Multi-Source Retrieval-Augmented Generation and Its Counterfactual Defense
    ニューラルネットワーク 検索拡張生成 (RAG) ソフトウェア工学
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    Kaininja: Extending Native 3D Generators to the Part Level
    ニューラルネットワーク
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.CL (Computation and Language) · EN マルチモーダル
    Human-Grounded Calibration for Long-Text Image-Text Congruence in Vision-Language Models
    コンピュータビジョン 埋め込み (Embeddings) 機械学習
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    Potential of Artificial Intelligence Algorithms for Identification of Relevant Diagnostic and Prognostic Biomarkers of Early-Stage Liver Cancer
    アルゴリズム・理論 深層学習 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    FedLTLib: A Comprehensive Benchmark for Federated Long-Tail Learning
    アルゴリズム・理論 深層学習 Meta 検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 学習・ファインチューニング
    Beyond AI Literacy: A Structured Review and Exploratory Meta-Analysis of Measures for Competent Generative-AI Use
    AI エージェント 機械学習 Meta ニューラルネットワーク
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.LG (Machine Learning) · EN 学習・ファインチューニング
    Multi-View Molecular Representation Learning with Hierarchical Graphs and Contextualized Fingerprints
    埋め込み (Embeddings) ファインチューニング 検索拡張生成 (RAG)
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • IEEE Spectrum (AI section) · EN 推論・効率化
    How OpenAI Used Its Own LLMs to Design Its Jalapeño Chip
    OpenAI、自社LLMで初の自社チップJalapeñoを設計、RTLからテープアウトまで9カ月
    推論 (Inference) NVIDIA OpenAI 量子化 強化学習
    IEEE Spectrumは、OpenAIが8月25日に公開した初の自社AIアクセラレータ「Jalapeño」の設計プロセスを報じた。4bit演算13.4PFLOPS、232GBメモリを備え、NVIDIA GB300比で最大3.6倍のレイテンシ短縮を主張する。100人弱のチームがGoogle発の高位合成ツールXLSに自社LLMを組み合わせ、構想から初回シリコンまで20カ月未満、RTLからテープアウトまで9カ月で完了。初回シリコン到着後のカーネル最適化はAIにより約40時間で理論性能の0.31%から88.94%へ到達した。物理設計はBroadcomが担当した。
    元記事を読む (IEEE Spectrum (AI section)) ↗
  • arXiv cs.CL (Computation and Language) · EN 新モデル・リリース
    Can We Trust the Judges? Validation of Factuality Evaluation Methods via Answer Perturbation
    Meta 検索拡張生成 (RAG) ソフトウェア工学
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.CL (Computation and Language) · EN マルチモーダル
    Don't Count the Edits, Judge by the Outcome Alone: Reward-Based Evaluation for Grammatical Error Correction
    ニューラルネットワーク 強化学習
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗