okada

C++

[okada @okdshin]

Effective Modern C++邦訳版の第一章「型推論」がオライリーのサイトでまるまる無料公開されているので、テンプレートの型推論、autoとdecltype、謎めいたdecltype(auto)について知りたい人は是非
http://t.co/GoDKVMBlfZ

[まむ @mamurai1208]

東京科学大学の岡崎研究室のセミナーのためスライドを作ったので公開しました https://t.co/qbwMQFAM0x

[PFN Tech @preferred_jp]

【ブログ】PFNがGENIAC第3期で開発した、自律稼働デバイス向け高精度・軽量VLM PLaMo 2.1-VLのモデルアーキテクチャと学習方法、工場での作業分析・インフラ設備での異常検出の実証実験、それらの性能を支えるデータ合成の取り組みを紹介しています。
https://t.co/ZeOj8ADbEo

[PFN Tech @preferred_jp]

【ブログ】国産フルスクラッチ開発の生成AI基盤モデルPLaMo™︎で、初めてReasoningモデルとなった3シリーズと、これまでのモデルとの違いについて開発チームがブログを書きました。https://t.co/y6vfY8RflD

国産生成AI基盤モデルPLaMo 3.0 Prime β版は無償利用を前提に現在モニター企業様を募集中です。ぜひご応募ください。
https://t.co/YiWFA5e4yz

[Daisuke Okanohara / 岡野原 大輔 @hillbig]

ガバメントAIで試用する国内LLM、7件のうちの1つとして、PLaMoが選定されました。
今後、検証を進めるとともに、行政分野における実用性や運用上の課題を明らかにし、本実証を通じて得られた知見をもとに、便利かつ安全で信頼できるAI基盤を構築していきます。

[PFN Tech @preferred_jp]

【ブログ】大規模言語モデルの日本語指示追従性能を評価・改善する新しいベンチマークスイート JFBench を公開しました。
PLaMo Primeは実務で使える日本語力を目指しており、近日公開予定のPLaMo 2.2 Primeは、日本語指示追従性能がPLaMo 2.1 Primeから大幅改善されています。
詳細はブログをご一読ください。
https://t.co/x7f2ZTZLfu

[PFN Tech @preferred_jp]

【ブログ】PFNが開発する国産LLM PLaMoの最新バージョンPLaMo 2.2 Prime をリリースしました。本解説記事では、社内外からのフィードバックを元に施した指示追従、多ターンのロールプレイ、医療分野における質問応答に関する性能改善について紹介します。 https://t.co/a60Gqv61NF

[ぱぷりか炒め @WMjjRpISUEt2QZZ]

最新のllama.cppでplamo3動くようになったぞ！
baseモデルしか公開されてないけどinstruct版を期待
https://t.co/b3QVpi6glw

[ぱぷりか炒め @WMjjRpISUEt2QZZ]

pfnetさんが公開しているplamo-3-nict-2b-baseのggufフォーマット変換版です。 imatrixのデータはTFMC/imatrix-dataset-for-japanese-llmを使用して作成しました。
baseモデルなので対話は未対応
https://t.co/nSnrBZR1BV

[PLaMo @PLaMoLLM]

MN-Core2を使って小さな言語モデル（SLM）の学習を行い、好きなキャラクターづけがされたモデルと対話できるサービスをリリースしました。できたモデルはローカルで実行することもできます。学習用の対話データ生成にPLaMo APIが使われています！使い方を紹介したブログは👉 https://t.co/8iZS71bftT

[おおた @ota42y]

すごつよモデルが完成したぞ⊂(・8・)⊃ " 自律稼働デバイス向け高精度軽量VLM「PLaMo 2.1-8B-VL」─日本語VQA・Visual Grounding評価と翻訳 https://t.co/zEf43lWeeD

[108Hassium @1Hassium]

#ライフゲーム
ものすごい形の新種の移動物体が見つかったようです。
https://t.co/2ZcD8SJ3XN

[GMO AI＆ロボティクス商事 @GMO_AIR]

「#未来をつくるラボ Open Day」
Unitree G1が日本科学未来館にて ダンスと対話を披露！

#ヒューマノイド #AI #ロボティクス
#GMOｰAIR #GMOインターネットグループ
#PSY #GANGNAMSTYLE #강남스타일

[Preferred Networks @PreferredNetJP]

【発表】PFNがフルスクラッチ開発する国産LLMのPLaMo™ 2.1 Primeを本日リリースしました。
AIエージェント機能強化により、ユーザーの指示に基づき、Web検索、社内DB検索、外部API呼び出しなど、最適なツールを自動選択・連携し、取得した情報から包括的な回答を生成します。
https://t.co/W7VSPtPl37

[清水れみお(Kota Shimizu) @lemilemilemio]

ValorAIの100人LLMめちゃすごい！！
ローカルLLMのGPT-OSS-20Bで100人の村人を毎秒くらいの命令で動かしてる！

ゲームの情報を常にもらっていてモンスターが増えたらみんなで討伐しに行ってた！
すごい！！
#TGS2025

[okada @okdshin]

日本語話者のためのLLM

[Daisuke Okanohara / 岡野原 大輔 @hillbig]

PLaMoの中の人ですが、以下のPLaMoがオープンにしていないという話については、PLaMo 2.0もモデルは公開しています。
https://t.co/41Lb2zMmDQ
PLaMo 1.0や2023年に作った最初のモデルから公開しています。
https://t.co/XE4l8OIX4p

また、論文も出しています。例えば最近のplamo 2.0についても出していますし、自然言語処理学会や年次大会などでも発表しています。
https://t.co/eINJQauc1w plamo2.0の場合

開発内容についてはブログなどで発信したり（GENAIC期間中は月に数本のペースで公開しています）
https://t.co/f17XKB37SD
こうした開発して得られたノウハウを発信し続けたことについて評価をいただき、GENIAC2.0開発終了時に、GENIAC コミュニティ賞をいただくことができています。

完全にオープンじゃないというところがあるとすれば、PLaMo 2.0や翻訳からは公開したモデルに対し、PLaMo Community Licenseというのを採用しているということです。
https://t.co/ONOMET9lUs
個人利用や中小企業の利用については商用利用を含め自由に使うことができ、そうでない場合は有償契約を結ぶものです。

これにより、私達としては開発にかけたコスト（例えばGENIACに関して開発補助はありますが、一部補助ですので残りは私達がかなりの投資をしています）。PLaMoの場合は本格的に社内や商用サービスで使いたいといった場合や、社内向けにカスタマイズして利用したいなどの用途に対してビジネスをしています。

また、開発の過程できたモデルや派生モデルなどで公開していないものも存在します。、開発途中の情報や、使っているデータについて徹底公開しているようなLLM-JPやOLMo（どちらも非企業なのでできますが）に比べるとオープン度合いは低いのは確かです。

今後の取組に関しても成果やノウハウについても、これまでのように検討にしながら可能なものはオープンにしていく考えです。また、論文にもならないような（とはいえ重要な）無数の開発ノウハウなどはこれまでと同様に開発者コミュニティの中で活発に情報交換していきたいと考えています。

[Preferred Networks @PreferredNetJP]

【発表】PFN、さくらインターネット、情報通信研究機構（NICT）は、国産生成AIのエコシステム構築に向け基本合意を締結しました。この取り組みで、PFNは国産大規模言語モデル(LLM)のPLaMo™ 2.0の後継となるLLM群をNICTと共同開発します。 https://t.co/hYA3h4uNfW

[PLaMo @PLaMoLLM]

これまでPFNのtech blogで紹介してきたPLaMo 2に関するものをまとめてarXivに公開しました。

多くの方に利用していただいているPLaMo翻訳も、このPLaMo 2ベースのモデルとなっています。

ご興味のある方は是非ご覧ください。

論文へのリンクはリプライ欄へ👇

#PLaMo #国産LLM

[PLaMo @PLaMoLLM]

8/1に無料トライアルを開始したPLaMo翻訳のブラウザ拡張について、頻繁にログアウトする問題のご報告を頂いておりますが、対処した v0.1.23 が公開されました。
ご利用の方は、ぜひアップデートをお願いします！！

アップデートしても再現するよ、という方は、フィードバックを頂けますと幸いです 🙇‍♂️

[PFN Tech @preferred_jp]

【ブログ】PLaMo 2シリーズの事後学習に関する解説記事を公開しました。long-context対応のための継続事前学習、LLMを用いた高品質なデータ生成、学習パイプラインの改良などの工夫を重ね、31B、8Bパラメータそれぞれのモデルで、高い日本語能力を達成しました。
https://t.co/Qb1dAslqJz