naoto nishida

UTokyo GSII PhD/BOOST/currently visiting scholar at lab/ex. @rkmt lab/HCI, NLP/language, movie, jiujitsu, climbing ENG→@nawta_hci

[naoto nishida @Cvadogsan]

https://t.co/mdBnRjXshJ
テレビ出ました．

[naoto nishida @Cvadogsan]

@hirotakahiraki @rkmt @ishi96 @KanazawaShusuke @hariktriam @ysdmnb おめでとうございます！！

[Kei Nakazawa @muo_jp]

内容が勢いあって良いんだけど TypeSafe AIがステルス脱してJevリリースしてから80時間経たないうちにこれが完了していて、うち26時間蒸留/学習に突っ込んでいるというスピード感が特にすごい
ローカルLLM界隈の熱さを感じる

[ラプター | ロボコン ビジコン優勝 @Raptor_zip]

型付き意思決定AIモデル「Jev」で双腕ロボを動かした結果まとめてみた🦾
3層制御のうち意思決定（2層）をJevに任せ、IKや物理計算はコード側に分離する構造を作りました。500msの応答と0.5円/試行で早くて激安。

[Michael Chao e/acc🇸🇬🇺🇲🇮🇱 @michaelchiu777]

16.67万个果蝇神经元刚刚接管了3架无人机，没人教过它们怎么飞。

科学家绘制了一只真实果蝇的完整大脑，每一个神经元以及全部2500万个连接，并免费放到了网上。

把这个大脑复制了3份，每��接入一架无人机。

没有飞行代码，没有手势预设，没有“避开椅子”的规则，只是摄像头把画面喂给果蝇的眼睛，神经元直接控制油门。

一架悬停，一架从椅子旁滑过，一架落到地板上并稳住。

这个大脑花了3.5亿年学习如何待在空中，现在它又回到了属于它的地方。

没有GPU，没有训练过程，没有千亿美元的数据中心，只是一颗像糖果粒一样的大脑。

一只苍蝇给你3个飞行员，1000只苍蝇给你一个机群。
苍蝇死了，但它的大脑刚刚拥有了一支中队。

[Kenn Ejima @kenn]

Jev、面白い！

普通のLLMではなく並列構造化出力に特化したモデル

質問を多数並行で投げると
出力もそのまま1:1でJSONぽい構造で
確信度付きで瞬時に帰ってくる

結果として1秒あたり数件のペースで
リアルタイムに意思決定をこなせる

結果として例えばゲームの操作で

「敵が画面に現れ���！」
・右上に移動する？→ Yes
・武器を使う？→ Yes
・逃げる？→ No

のようなマイクロ意思決定を
超高速にグルグル回していける

逆に普通のテキストを吐くLLMではない
むしろ伝統的な機械学習の回帰・分類モデルに近い

end-to-endで600ms以内の返信を求められる
音声モデルのバックエンドとしても使えそう

RLHFからRLCDの世界へ
これは遊び甲斐がありそうだぞ…！

[Kevin Grajeda @k_grajeda]

200× faster and 400× cheaper than llms

this model is made for “decision-making” instead of text generation, so it generates probabilities for each option in parallel instead of giving you a response token by token

here is a simplified example of normal llms vs this jev thing at classifying a prompt’s difficulty

[深津 貴之 / THE GUILD, note @fladdict]

まぁそうだよね。ハエのブレーン使えるなら、ドローン操縦を検討するのは、自然な流れ。

[Kent Fujiwara @kentfuji]

複数のLoRAを一つにまとめられるように蒸留する研究

[satoru.net @satorunet]

「ひらがなを読み書き学習したハエ」作ってみた。読めたらドーパミンを与えて10万文字のひらがなを8時間学習した結果のハエ。約85%確率で正解出してる

https://t.co/CGVYZUozPR

#flywire #ハエ

[Amani @SoyAmanii]

🚨 LE DIERON $100 AL CEREBRO DE UNA MOSCA PARA HACER TRADING CON BITCOIN.

Sí, esto ya se está saliendo de control

Alex Wormuth conectó una simulación del cerebro de una mosca a Coinbase y le dio $100 para operar BTC.

El experimento funciona así:

→ La actividad de sus neuronas controla las decisiones de comprar o vender.
→ Cuando la mosca obtiene ganancias, estimulan sus neuronas de dopamina.
→ Esa señal funciona como recompensa para reforzar las decisiones que generan beneficios.
→ Y las operaciones se ejecutan con dinero real en Coinbase.

Básicamente:

Un cerebro de mosca está haciendo trading de Bitcoin y recibe una recompensa neuronal cuando gana dinero.

Primero vimos cerebros de mosca dentro de Minecraft.

Después jugando Beat Saber.

Ahora uno está intentando convertirse en trader.

La única pregunta que queda es:

¿Se hará rica la mosca antes que nosotros?

[Matty Hempstead @mattyhempstead]

I wireheaded the fly and forced it to doomscroll flytok.

Dopamine neurons are measured and artificially enhanced to ensure maximum enjoyment.

My goal is to create a fly that is happier than all other flies combined.

[Kevin Tang @_KevinTang]

Super Smash Bros Melee in MR.

Where the players fight on your own table as a platform. Even hang off the table!

On the Meta Quest.

[原田 ��二 KOWRO CEO @1230yuji]

人生で初めてAIが面接に来た動画を公開します。
注意喚起も込めて。

補足すると動画スタートが面談スタートではなく、なんか変だなって思っててCOLOさん？（KOWROや）ってなったあたりから頬杖ついてAIだと確信を持ってます笑

絶賛「人間」の採用を加速しております。ぜひご応募ください↓↓↓

[Yanjie Ze @ZeYanjie]

GPT6 Astra solved Rubik’s Cube with robot hands

https://t.co/Hkh1hi1VRz

[SHINNくん @shinnkun_jp]

【衝撃】

有名YouTuberのIShowSpeed、AirPods 5のリアルタイム翻訳を体験

日本語→英語を数秒で翻訳
↓
ほぼタイムラグなしで会話成立

AirPods、ついに「通訳」までやり始めたのヤバすぎる。

#iShowSpeed #AirPods5 #Apple #リアルタイム翻訳 #海外YouTuber

[Yota Ueda @zbller]

人と協力し、時に導いてくれるハンドロボットがSIGGRAPH Asia e-techに採択されました🕴

[naoto nishida @Cvadogsan]

@toremolo_72 おめでと！！人間から降りたね

[AIDB @ai_database]

A/Bテストの結果を、本物のユーザーに見せる前にLLMだけで7〜9割当てられるようになったという報告です。
Amazonの研究者らによるも��。

やり方は、
1. 実際のユーザーの行動履歴（閲覧パターンなど）を集める
2. LLMに約1000人分の「仮想の顧客」を作らせる
3. 仮想顧客たちにデザイン案AとBを見せて「1〜10点でどちらが好きか」を答えさせる
4. その集計で実際のテスト結果の方向を予測

40件の実際のA/Bテストで検証したところ、クリック率の予測は75％、登録率の予測は80〜90％���精度で当たったそうです。
※ただし得意なのは「どちらのデザインが良いですか」と2案を並べて聞く形式でした（重要）。

なお、自社の顧客データがなくても、公開データから作った仮想顧客で同等以上の成績が出たと報告しています。
一方で、年齢や性別などの属性情報だけで作った仮想顧客は精度が大きく下がり、行動の記録があるかどうかが決め手になっています。

研究者らは、これは本物のテストの代わりではなく、明らかに見込みのない案を事前にふるい落として実験の順番を決めるためのツールだと位置づけています。

[もとやま @ysk_motoyama]

https://t.co/ULxOz5qp9h