h0jicha

画像認識、VLMs、Agentic LLMs

[h0jicha @_h0jicha]

MIRU2026、以下主著発表ですが現地参加できず共著者に発表いただいてます。DM or メール等でやりとり可能です！

OS1B-04 推論領域分割のためのグループベース方策最適化における知覚強化の統合

[Google Research @GoogleResearch]

Introducing TabFM, a foundation model designed specifically for tabular data classification & regression. This approach allows generation of high-quality predictions on previously unseen tables in a single forward pass.

Learn more and try out the model →https://t.co/OTbVQ8oUQs

[alphaXiv @askalphaxiv]

Here’s an early sneak peak of OpenResearch, our brand new feature for reproducing and experimenting on top of papers

We put together a template so you can train VPO on ToolRL in one click on a single gpu

Vector Policy Optimization trains models to generate diverse answer sets by randomly weighting reward dimensions so each answer specializes in a different tradeoff

The result is better test-time search as the sample budget grows. Check it out below!

[h0jicha @_h0jicha]

友人が企画しているので是非！(発表者がすごい豪華...！)

[学術バーQ｜賛助会「学術バーQ友の会」めざせ会員100名キャンペーン開催中 @Q_Gakujutsu]

【6/16 (火）の学術バーQ】

日本のAI研究を牽引する第一人者たちが一堂に会し、AIを語り尽くす超贅沢なイベント「AI研究最前線」をお届け！

ディープラーニング協会の理事を筆頭に、東大・科学大のPI経験者、大手企業の研究員の方々が集まる貴重なイベントです（ @hf149 , @losnuevetoros , @viaminicab , @snow11828147 , @naokok963 , @mmkkey_ ）
学会の招待講演に匹敵するAIの最先端をめぐる豪華なトークの数々を、お酒を片手に学術バーQで楽しみませんか？

※ 参加希望の方は、事前にGoogle Form（https://t.co/Ga9fEq1YeC）より参加申込をお願いいたします。
※ 異分野融合の促進のため、幅広い分野・年代に基づく30名の抽選とさせていただきます。
※ お住まいが離れている方など、オンライン配信（Zoomにて実施予定）もご検討ください。

[h0jicha @_h0jicha]

国際ロボット展行きました🤖

[h0jicha @_h0jicha]

テレオペ🦾 #so101

[Qwen @Alibaba_Qwen]

🚀 GSPO: Group Sequence Policy Optimization — a breakthrough RL algorithm for scaling LMs!

🔹 Sequence-level optimization — theoretically sound & matching reward
🔹 Rock-solid stability for large MoE models — no collapse
🔹 No hacks like Routing Replay — simpler, cleaner training
🔹 Scales effortlessly: more compute = better results ✅

🔥 Powers the latest Qwen3 (Instruct, Coder, Thinking)
📊 Cleaner gradient, faster convergence, lighter infrastructure than GRPO

GSPO = Stable. Scalable. Infra-friendly.
Let’s push the limits of intelligence.

Paper: https://t.co/UXt6TS36Ev
Try the latest Qwen3: https://t.co/V7RmqMaVNZ

[s-miyawaki | Algomatic @catshun_]

拡散と購入希望🙏
7月17日に #AIエージェント現場実践本 を出版します🔥

✔️エージェントの解釈が一人歩きしてるので整理したい
✔️基礎から実装、現場での活用まで一気に学びたい

という方に向け、基礎知識から実装、評価・活用まで 幅広く詰め込みました！AIエージェント開発に携わる方は、ぜひ手にお取りください👏

■現場で活用するためのAIエージェント実践入門
(著) 太田真人, 宮脇峻平, 西見公宏, 後藤勇輝, 阿田木勇八
https://t.co/tnF4SZRNfb

#AIエージェント #エージェント本

[Shufan (Jack) Li @li78658171]

📢(1/11)Diffusion LMs are fast and controllable at inference time! But why restrict such benefits for processing text data?
We are excited to announce LaViDa, one of the first and fastest large diffusion LM for vision-language understanding!!

[Ling Yang @LingYang_PU]

We present MMaDA, first diffusion that unifies text reasoning, multimodal understanding, and image generation through Mixed Long-CoT, and unified RL - UniGRPO.

📚 Paper: https://t.co/O9i9Exsgdt
💻 Code: https://t.co/hltAWYaw2d
📦 Model: https://t.co/EFNwgnBRBL

[h0jicha @_h0jicha]

unsloth + trl の訓練使いやすいけど multi gpu training にはまだ非対応っぽい？

[Yusuke(Shure) @yusuke_post]

大手企業の内定を辞退し、生成AI特化スタートアップ #Algomatic の AX カンパニーに新卒AIエンジニアとして飛び込みました

「安定より挑戦」を選んだ理由と、AIで社会を変える覚悟をnoteにまとめたのでぜひご一読ください👇
https://t.co/WuBco831Oe

#生成AI #スタートアップ #新卒 #AIエンジニア

[鴨居 啓人 | Algomatic CEO @hktech94]

【AIエージェントサービスリリース】
Algomaticで画像生成に特化したAIエージェントサービス『ネオデザインAI』をリリースします！

画像ファイルではなくデザインファイルでの出力を可能にしたことで、実務に適したサービスを実現しました！

■プレスリリース
https://t.co/dSE9ojDRrz

[Yuki Nanri | Algomatic Dynamics CEO @neonankiti]

今、私が重点的に取り組んでいる製造業のAI Transformation(AX)についてお話ししています。

製造業は日本産業のコアです。

ロマンとソロバンを両立させるため、机上の理論と工場への訪問を行う日々です。

GWの読み物として是非、ご覧ください。

[池田 泰延 @clockmaker]

ウェブのアニメーション用JavaScriptライブラリ「gsap」が100% FREEに（商用利用を含む）。

いままで有料だったSplitTextプラグインなども無料で利用可能に。

gsapはかっこいいモーション実装が可能ですが、採用を躊躇するデメリットがなくなったので、熱い発表です！

[しぶや | Algomatic @sergicalsix]

OpenAI o3, Claude 3.7 Sonnet , Gemini 2.5 Proの評価と解釈についてテックブログを書きました！

2025年に大規模言語モデルの評価で使われている主要なベンチマークの説明や各モデルの結果と解釈をまとめています。

GWのキャッチアップのお供としてご活用ください！

https://t.co/l2shryT0g6

[h0jicha @_h0jicha]

万博行ってきた！
中国パビリオンでヒューマノイドロボット見られて良かった〜

[ちくわぶ @Prgckwb]

`uv pip install` 、知らない間に torch が入れやすくなるオプションが付いてた

[逆瀬川 @gyakuse]

ChatGPTで使われているようなAutoregressiveな画像生成の進展について振り返るために、主要と思われる論文を簡易的にまとめた。学習時は非ラスター順な手法がスタンダードになりつつあるが、ChatGPTの挙動を見ると推論時は (おそらくKVキャッシュを効かせるため等のモチベーションがあって) ラスター順に出していると思われる。一方で、完全にvanillaなARではなく、VARやxARで使われたマルチスケールな推論と組み合わされている可能性は高い。
VAR: https://t.co/blHBOwZRJy
LlamaGen: https://t.co/93qrlcqgnv
MAR: https://t.co/8VsIOKU09b
Fluid: https://t.co/SzAyKRzwq8
RAR: https://t.co/baeFbdZ0Cb
RandAR: https://t.co/uF2oURE7UG
IBQ: https://t.co/xPgOJVu3nP
Janus-Pro: https://t.co/DQs2CxU4Eu
xAR: https://t.co/SvSqkUGPrh
UniFluid: https://t.co/34S3faOaZB

[Jim Fan @DrJimFan]

Excited to announce GR00T N1, the world’s first open foundation model for humanoid robots! We are on a mission to democratize Physical AI. The power of general robot brain, in the palm of your hand - with only 2B parameters, N1 learns from the most diverse physical action dataset ever compiled and punches above its weight:

- Real humanoid teleoperation data.
- Large-scale simulation data: we are open-sourcing 300K+ trajectories!
- Neural trajectories: we apply SOTA video generation models to “hallucinate” new synthetic data that features accurate physics in pixels. Using Jensen’s words, “systematically infinite data”!
- Latent actions: we develop novel algorithms to extract action tokens from in-the-wild human videos and neural generated videos.

GR00T N1 is a single end-to-end neural net, from photons to actions:

- Vision-Language Model (System 2) that interprets the physical world through vision and language instructions, enabling robots to reason about their environment and instructions, and plan the right actions.
- Diffusion Transformer (System 1) that “renders” smooth and precise motor actions at 120 Hz, executing the latent plan made by System 2.

We deploy N1 on GR1 robot, 1X Neo robot, and a large collection of simulation benchmarks. N1 achieves up to +30% boost in diverse manipulation tasks for household and industrial settings.

While humanoid robots are the main focus of N1, our model also supports cross-embodiment. We finetune it to work on the $110 HuggingFace LeRobot SO100 robot arm! Open robot brain runs on open hardware. Sounds just right.

Let’s solve robotics, together, one token at a time.

Links to our Whitepaper, Github repo, HuggingFace model, and open dataset page in the thread: 🧵