daichi

🚙　VW GOLF GTI

[daichi @ds0428sd]

GW明けはやっぱこれ
ｺｯｶﾗｯｽ!

[たくみ | 不動産デベ @takumi_deveblog]

憂鬱な月曜の朝にはこれが効く。

ｺｯｶﾗｯｽ!!🔥

[Elon Musk @elonmusk]

Grok 3、面白いし、頭もいいから使ってみて

[LangChainJP @LangChainJP]

RAGの高度な実装手法とエージェントを組み合わせた包括的なガイド。LangChainとLangGraphを使用し、Hybrid RAG、Self RAG、ReAct RAGを実装。インデックス作成、検索、拡張、生成のコンポーネントと評価機能を搭載。MITライセンスで提供、Colabノートブック付き。
https://t.co/FY1NT24qDW

[daichi @ds0428sd]

エヌビディア、DeepSeekは「ＡＩ技術の優れた進歩」－疑念を否定 - Bloomberg https://t.co/XYKbgSINio

[daichi @ds0428sd]

DeepSeek
こいつのおかげでAI関連株全部破壊されて草
笑えない

[Paul Couvert @itsPaulAi]

I used ollama in Termux to run the model.

A bit nerdy but no doubt easier to use apps will get it going in the coming days.

The tutorial I followed (adapting it for DeepSeek R1 Distill 1.5B):
https://t.co/uDf3M02ztU

[Kazuki Muguruma @mugu_KagawaAI]

独自のAIエージェントを構築する方法

[NRIセキュア 公式 @NRIST]

ブログ本編はこちらをご覧ください。
https://t.co/eHuL9vzwrq

[Rohan Paul @rohanpaul_ai]

Great read - "Understanding LLMs: A Comprehensive Overview from Training to Inference"

The journey from self-attention mechanism to the final LLMs.

This paper reviews the evolution of large language model training techniques and inference deployment technologies.

--------

→ The evolution of LLMs and current training paradigm

Training approaches have evolved from supervised learning to pre-training and fine-tuning, now focusing on cost-efficient deployment. Current focus is on achieving high performance through minimal computational resources.

→ Core architectural components enabling LLMs' success

The Transformer architecture with its self-attention mechanism forms the backbone. Key elements include encoder-decoder or decoder-only designs, enabling parallel processing and handling long-range dependencies.

→ Key challenges in training and deployment

Main challenges include massive computational requirements, extensive data preparation needs, and hardware limitations. Solutions involve parallel training strategies and memory optimization techniques.

→ The role of data and preprocessing in LLM development

High-quality data curation and preprocessing are crucial. Steps include filtering low-quality content, deduplication, privacy protection, and bias mitigation.

🔍 Critical Analysis & Key Points:

→ Data preparation strategies drive model quality

Processing raw data through sophisticated filtering, deduplication and cleaning pipelines directly impacts model performance.

→ Parallel training techniques enable massive scale

Using data parallelism, model parallelism and pipeline parallelism allows training billion-parameter models efficiently.

→ Memory optimization is crucial for inference

Techniques like quantization, pruning and knowledge distillation help deploy large models with limited resources.

[カレーちゃん @currypurin]

“2025年はRAGの次にAIエージェントが来る” https://t.co/XbGvpjM0cd

[PyTorch @PyTorch]

docTR joins the PyTorch Ecosystem, delivering state-of-the-art OCR with seamless text detection and recognition.
Explore how it transforms images into data for advanced document analysis.

👉 Read the blog: https://t.co/kSLEajAgBe

#pytorch #ai #opensource

[shinmura0 @shinmura0]

【画像の異常検知の論文】
既存の研究：正常/異常の二値分類問題⇒
現実：本当は、異常の度合いに応じて異常度上がってほしいよねという主張。

MLLMベースの手法の方が、異常の度合いに応じて異常度が上がる模様。https://t.co/zdz6TsPL8I

[hpp @hpp_ricecake]

日本語BERT, LLMについて知りたい人は全員見るといい神のページが存在
https://t.co/w2DIM8C56d

[AIDB @ai_database]

LLMによる自動バグ修正は「修正するべき行を正確に特定できるかどうか」が成否に大きく影響し、27.8倍もの差がつくとのこと。
https://t.co/oESsBetFzz
LLMエージェントを含む7つのシステムを比較したところ、最高性能ツールでは300件のバグ中39.3%を修正できています。
なお、LLMがバグを再現してから考えるといったアプローチは、バグに関して与えられた説明が不十分な場合には有効でも、そもそも説明が十分だった場合には逆効果となる傾向とのこと。

[トミナガハルキ | フリーランス歴10年な人 @asobodesign]

早速買ってみましたが、こ��は良い物を手に入れてしまった...。マジで良いです。骨盤が立ち上げられる？ので、猫背にするのが難しくなる。

[青の統計学-Data Science School- @blue_statistics]

ディープラーニングの最新論文にアクセスするなら、SONYの「nnabla」チャンネルがおすすめ。

最新のAI論文を、動画＋スライドという最もリッチな形式でキャッチアップできるのがありがたい。単に解説する、というよりも制作者の感想が技術的な立場から語られていて、これだけでも勉強になる。

「【AI論文解説】拡散モデルと自己回帰型モデル」を見ましたが、図解が多く＋数式が少なめなので、初学者含め幅広い層におすすめできます。

あと猫の画像も多くて、非常に良い。
https://t.co/kK2897wzGq

[Daiki Shiono @onely7_deep]

大規模視覚言語モデル (LVLM) に関する最新の知見を包括的にまとめたスライド (Part 1) を公開しました！🚀
Part 1 では、「画像エンコーダ」と「大規模言語モデル (LLM)」の接続方法及び、画像のエンコード方法に焦点を当てて紹介しています。

https://t.co/xE6uHne9si

[尾崎雄貴 (Galileo Galilei🐋/Warbear🧸/BBHF🌕/) @yuuki_ozaki]

山下達郎さんの僕らの夏の夢を弾き語りました。

[尾崎雄貴 (Galileo Galilei🐋/Warbear🧸/BBHF🌕/) @yuuki_ozaki]

Mr.Childrenのタガタメを弾き語りました。
岩井くんはミスチル先生です。

[daichi @ds0428sd]

実家の猫の行動がいつも理解できない