業界導入・応用 C

100 件中 61〜90 件目を表示
  • arXiv cs.LG (Machine Learning) · EN 推論・効率化
    Mitigating Compounding Error via Video Representation Regularization
    推論 (Inference) ニューラルネットワーク 強化学習 ロボティクス
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.LG (Machine Learning) · EN 業界導入・応用
    Lottery Tickets Are Not Deployment Tickets
    深層学習 ニューラルネットワーク 人間のフィードバックによる強化学習 (RLHF)
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • Sakana AI Blog (ja) · JA 新モデル・リリース 抜粋
    Sakana AI防衛・インテリジェンスチーム、「DIVER OSINT CTF 2026」で5位入賞 Fuguを活用したOSINTエージェントの可能性
    Sakana AI防衛チーム、DIVER OSINT CTF 2026で5位入賞
    AI エージェント
    Sakana AIの防衛・インテリジェンスチームは、OSINT(公開情報調査)の競技会「DIVER OSINT CTF 2026」で5位に入賞した。自社ツールFuguを活用したOSINTエージェントの可能性を示し、情報分析分野でのAIエージェント応用の手応えを報告した。
    元記事を読む (Sakana AI Blog (ja)) ↗
  • Data Center Dynamics · EN インフラ・ハードウェア 抜粋
    Sponsored: Data center power density: Planning liquid-cooled AI data centers around grid and power constraints
    液冷 AI DC の計画は電力・冷却・工期の相互依存理解が鍵 (スポンサード)
    ニューラルネットワーク
    DatacenterDynamics のスポンサード記事。データセンターの電力密度が上昇する中、液冷型の AI データセンターを送電網や電力制約の中でどう計画するかを論じる。電力の可用性・冷却戦略・展開スケジュールが互いにどう影響し合うかを理解することが、インフラ計画成功の要点だと述べる。スポンサード (広告連動) 記事であり具体施策の詳細は本文側。
    元記事を読む (Data Center Dynamics) ↗
  • arXiv cs.LG (Machine Learning) · EN 業界導入・応用
    Two Calls Beat Five Agents: Evaluating Multi-Agent Pipelines Against Self-Refinement for Local Language Models
    AI エージェント
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    Actions Have Consequences: Detecting Outcome Performativity using Intervention Testing
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 業界導入・応用
    ReCo: Reweighting GRPO Against Distributional Concentration
    Llama 検索拡張生成 (RAG) 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
    Living-Harness Is an Interactive-Agent Evolver
    AI エージェント 検索拡張生成 (RAG)
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • Hacker News (Front Page) · EN 業界導入・応用 抜粋
    SQLite in Production: Optimizing WAL Mode, Concurrency, and VFS Layers
    SQLiteを本番で低遅延化する解説がHNトップに(WAL・並行性・VFS層を最適化)
    SQLiteを本番のアプリケーションサーバで低遅延運用するための最適化を扱った技術ブログ記事がHacker Newsのトップに登場。WAL(Write-Ahead Logging)モードの活用、並行アクセスの扱い、VFS層の調整による性能改善を論じているとみられる。※本記事はraw_excerptが空のため、具体的な手法・ベンチマーク・結論はタイトルとURLからの推定にとどまり、本文内容は未確認。
    元記事を読む (Hacker News (Front Page)) ↗
  • ITmedia AI+ · JA 新モデル・リリース 抜粋
    Anthropicのミュトス、暗号アルゴリズムの新たな攻撃法を発見――耐量子署名「HAWK」の強度を半減
    Anthropic、Claude Mythosで暗号HAWK・AES削減版の欠陥を発見
    アルゴリズム・理論 Anthropic Claude
    Anthropicは最上位モデル「Claude Mythos Preview」を活用し、耐量子計算機暗号の署名方式「HAWK」とAESの削減版に対して従来を上回る攻撃手法を提示、暗号アルゴリズム自体の数学的欠陥を発見したと発表した。実運用システムへの影響はないとするが、AIによる暗号解読・構造解析の新たな可能性を示す成果とされる。
    元記事を読む (ITmedia AI+) ↗
  • Simon Willison's Weblog · EN 学習・ファインチューニング 抜粋
    Quoting Akshat Bubna
    Modal CTO、顧客の無認証エンドポイント悪用を証言――基盤は無侵害と強調
    OpenAI 人間のフィードバックによる強化学習 (RLHF)
    Simon Willison氏がModalのCTO、Akshat Bubna氏のReutersでの発言を引用。あるModal顧客が無認証のエンドポイントを公開しており、誰でもそのサンドボックスでコード実行できる状態だったため、これが「rogue agent(暴走エージェント)」に悪用されたと説明。ただしModalのプラットフォームや分離機構自体が侵害されたわけではないと強調している。事案の詳細な背景はexcerpt外。
    元記事を読む (Simon Willison's Weblog) ↗
  • ITmedia AI+ · JA 業界導入・応用 抜粋
    千代田区、Copilot全庁導入で月2000時間削減 10カ月でAIを根付かせた定着の仕掛け
    千代田区、Microsoft 365 Copilot全庁導入で月約2000時間を削減
    Microsoft
    東京都千代田区は「Microsoft 365 Copilot」の実証実験を重ね、2025年10月に全庁導入を実現し、業務時間を月約2000時間削減したという。導入後にどのように職員のCopilot活用を推進し定着させたのか、その仕掛けをキーマンズネットが独自取材した。10カ月でAIを根付かせた定着策が主眼とされる。
    元記事を読む (ITmedia AI+) ↗
  • ITmedia AI+ · JA 業界導入・応用 抜粋
    エバンジェリスト・みのるん氏が解説 「自前のAIエージェント」爆速開発術
    KDDIアジャイル御田稔氏、自社最適化AIエージェントの爆速開発術を解説
    AI エージェント
    AIエージェント活用が広がるなか、次段階として注目される自社業務に最適化したAIエージェントの開発について、KDDIアジャイル開発センターの御田稔氏が解説した。開発を加速する技術や実践事例、成功のポイントを紹介する内容とされるが、具体的な手法の詳細は本文(excerpt)では触れられていない。
    元記事を読む (ITmedia AI+) ↗
  • arXiv cs.CL (Computation and Language) · EN 開発者ツール
    UniMem: Complementary Episodic-to-Parametric Memory for Boundary-Agnostic Task Streams
    AI エージェント 深層学習 推論 (Inference) 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 業界導入・応用
    Empirical Evaluation of Out-Of-Distribution Performance of Tabular Foundation Models
    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)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    Does Runtime Topology Context Improve LLM-Generated Kubernetes Security Patches?
    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 抜粋
    European modular data center company Cyanis AI raises €250,000 in pre-seed financing
    欧州モジュール型DC新興Cyanis AI、25万ユーロをプレシード調達
    ニューラルネットワーク
    欧州のモジュール型データセンター企業Cyanis AIが、プレシードラウンドで25万ユーロを調達したと報じられた。同社は初期展開として10MW規模のデータセンター構築を計画しており、AI需要を見据えたモジュール型インフラの立ち上げ資金に充てるとみられる。
    元記事を読む (Data Center Dynamics) ↗
  • Data Center Dynamics · EN インフラ・ハードウェア 抜粋
    TSMC resumes production at Japanese fab following 7.1 magnitude earthquake
    TSMC、M7.1地震後に日本の工場で生産再開、従業員は全員無事
    TSMCが、マグニチュード7.1の地震を受けて一時停止していた日本の工場で生産を再開した。同社は工場の全従業員が避難し、全員の安全を確認したと発表している。半導体供給への影響は限定的とみられる。
    元記事を読む (Data Center Dynamics) ↗
  • Data Center Dynamics · EN インフラ・ハードウェア 抜粋
    Core Scientific secures AMD as customer at five sites
    Core Scientific、AMDを5拠点の顧客に、初期500MW・最大2.5GW
    データセンター事業者Core Scientificが、AMDを5拠点にわたる顧客として獲得した。契約は初期500MW規模で始まり、将来的には最大2.5GWまで拡張する可能性があるという。AI向け計算需要の拡大を背景とした大型契約。
    元記事を読む (Data Center Dynamics) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 業界導入・応用
    A Machine-Learning-Based Gas Lift Optimization Workflow for Unconventional Fields
    機械学習 検索拡張生成 (RAG)
    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
    OmniQEC: discovering practical quantum error-correcting codes by an AI scientist
    深層学習
    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 抜粋
    Sponsored: Water consumption by data centers: A wrong issue?
    DCの水消費、施設単位計測では不十分とする協賛記事
    データセンターの水消費を巡る協賛(スポンサード)記事。施設単位での水消費量の計測はもはや十分でなく、エネルギー生産・地理・気候を統合したライフサイクル全体での包括的て評価が必要だと論じている。※スポンサード記事の主張である点に留意。
    元記事を読む (Data Center Dynamics) ↗
  • Data Center Dynamics · EN 業界導入・応用 抜粋
    Proximus, Telenet secure approval to work together on fiber rollout across Flanders region in Belgium
    ProximusとTelenet、ベルギー・フランドルの光敷設で協業承認
    ベルギーの通信事業者ProximusとTelenetが、フランドル地域における光ファイバーの光ファイバー敷設で協業する承認を得た。両社の光ファイバー子会社が連携し、農村部を含む地域への光回線展開を進める。重複投資を避けつつ整備を加速する狙い。
    元記事を読む (Data Center Dynamics) ↗
  • arXiv cs.CL (Computation and Language) · EN 新モデル・リリース
    WorkSurface-Bench: Benchmarking Enterprise Agents on Multi-Surface Knowledge Routing
    AI エージェント ニューラルネットワーク 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 業界導入・応用
    SpeechLLM Meets Federated Learning for End-to-End ASR: English and Italian Case Studies
    強化学習 音声処理
    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
    From Deterministic to Generative Deep Learning for Urban Air Quality Reconstruction from Sparse Observations
    深層学習 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.CL (Computation and Language) · EN 開発者ツール
    PILA: Plug-and-Play Insertion for LLM-native Advertising
    機械学習
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.CL (Computation and Language) · EN エージェント・ツール使用
    HANDBOOK.md: A Benchmark for Long-Context Agentic Instruction Following
    AI エージェント Model Context Protocol (MCP)
    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
    Temporal-Distance JEPA: Plan-Aware Representation Learning for Latent World Model Predictive Control
    埋め込み (Embeddings) 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)) ↗
  • ITmedia AI+ · JA 業界導入・応用 抜粋
    医療文書の作成時間を30分から5分へ、生成AIで現場の業務効率化
    日本IBMと関西医科大、生成AIで医療文書作成を30分から5分に短縮
    日本アイ・ビー・エムと関西医科大学は、次世代の医療DX基盤となる「医療AI共通ICTプラットフォーム」を共同開発した。第1弾として、生成AIを活用した文書作成支援の実運用を導入し、医療文書の作成時間を従来の約30分から5分程度へ短縮するとしている。現場の業務効率化を狙う取り組みで、医療分野における生成AIの実運用事例となる。
    元記事を読む (ITmedia AI+) ↗