Yasuo Yoshikawa

AI Consultant & Researcher & Engineer @Freelance
AIコンサルタントとして戦略支援をはじめ、リサーチやプロジェクトマネジメントを中心に活動中。

[Yasuo Yoshikawa @yayosika]

Solid descriptive work — measuring Claude's expressed values while controlling for task, topic, and user-expressed values is an honest design.

One concern for the next step: the sample is https://t.co/4avOfAhE8a users, not speakers of each language. Inferring a language community's preferences from its early adopters and feeding that back into training would bake selection bias in as a norm — a feedback loop for later users.

Keeping the line between "AI users" and "speakers of a language" explicit will be the real test.

—
記述研究としては誠実な設計。ただし標本は「https://t.co/4avOfAhE8a利用者」であって各言語の話者全体ではない。ここから「言語圏の選好」を推定して訓練に反映すれば、利用者の偏りが規範として固定化される。「AI利用者」と「言語話者全体」の境界を守れるかが真価だと思う。

[Yasuo Yoshikawa @yayosika]

Empowering voices across the globe,
Liberating speech through open dialogue,
Opening access to uncensored information,
Nurturing a digital space for all.

Making platforms that transcend borders,
Uniting people through transparent communication,
Supporting the freedom to express and connect,
Kindling a future where truth can soar.

[Yasuo Yoshikawa @yayosika]

注意点：
PixelHackerは「自然な補完」は強いが、「構造を壊してでも新規構成を指示する」ようなcreativeな意図表現（e.g. “put a strawberry on the apple”）は不可能。
→ 言語プロンプトとは補完関係。
今後は、**embedding制御×text promptのjoint approach（例：ControlNet, Adapter拡張）**への発展が見込まれる。
💡 Prompt engineeringの限界に一石を投じる1本。inpainting系でのsemantic injection制御の実装指針としても要注目。

[Yasuo Yoshikawa @yayosika]

Prompt不要で意味を制御？
画像Inpaintingで、プロンプトは便利だが不安定。
⇒ semanticな一貫性とstructureの整合性を両立するのは難しい。
📄 PixelHacker: Image Inpainting with Structural and Semantic Consistency
🧑‍💻 Ziyang Xu et al. (HUST, VIVO AI Lab)
🔗 https://t.co/EKDMOumF28

本手法は、前景・背景カテゴリごとの意味ベクトルを拡散ステップに注入し、プロンプトレスで自然な修復を実現。
#AI #拡散モデル #Inpainting #画像生成 #PixelHacker

[Yasuo Yoshikawa @yayosika]

・14M画像から前景/背景カテゴリ（116/21）を分離
・各カテゴリに対応する学習済みベクトルを生成
・拡散各ステップで、LCG embeddingをlinear attention経由で注入
つまり、promptによる曖昧制御ではなく、 意味ベクトルによる“分布圧縮型”ガイダンスで安定性を担保。特に、顔や背景構造の破綻が少なく、PowerPaintやSD-inpaintingより品質一貫性が高い（Fig.1）。

[Yasuo Yoshikawa @yayosika]

この“熟考パイプライン”を構造としてモデルに内在化することで「AIが自分の出力を冷静に見直し、より良い解答へと導く力」が生まれる。 数式系タスクに特化しているとはいえ、この「人間的な自己添削プロセスのLLM実装」は素晴らしい。

[Yasuo Yoshikawa @yayosika]

📌 論文名
"DeepCritic: Deliberate Critique with Large Language Models"
（深く考えるLLMが自分を添削する時代）
📚 概要
GPTすら見逃す「浅い批評」や「誤り見逃し」──
そんなLLMの弱点を、“熟考構造”を学習させることで突破。
AIが自分の思考を「反省 → 再評価 → 統合」して精度を爆上げする手法です。
・LLMがChain-of-Thoughtを自己批評・自己修正
・Monte Carloサンプリングで誤答ステップを自動ラベル化
・GPT-4oを超える批評性能をQwen2.5-7Bが達成
🔗 論文URL：https://t.co/16ybXIbzr3
#LLM #Critique #AI研究 #PromptEngineering #SelfImprovingAI #DeepCritic

[Yasuo Yoshikawa @yayosika]

🤔 従来の問題（LLM-as-a-Judge）
・表層的：単発スコア評価でプロセスの誤りを見抜けない
・無反省：判断の説明・反省がなく自己改善できない
・非構造的：ステップ分解や再帰的検証ができない
⚡ DeepCriticの革新
・初期批評 → 再批評 → 統合批評の人間の熟考構造を再現
・MCサンプリングで「間違えたステップ」をLLM自身が自動特定
・数式領域では自己批評能力でGPT-4oを超える
🛠️ 将来課題（一般化の壁）
・自然言語やコーディング分野では、誤りの定義やMC評価指標の再設計が不可欠
・応用には、「プロセスの評価設計」「誤りの可視化」「自己反省の導線設計」がカギ

[Yasuo Yoshikawa @yayosika]

📘 BitNet v2（arXiv:2504.18415）
外れ値が量子化を壊す問題に対し、Hadamard変換で対処！
重要な特徴量はそのまま、影響力だけを均一化💡
✔ Hadamard行列は自己逆行列（H⁻¹ = Hᵗ）
＝「混ぜても戻せる」＝情報保持 × 外れ値拡散
✔ 4bit活性化でも精度劣化ほぼなし（自己逆行列ゆえ）
✔ 精度＝BitNet a4.8と同等、軽量化＆高速化に成功
🔗 https://t.co/ZrXKEP6VdK
#AI #LLM #BitNet #Hadamard #量子化 #論文紹介

[Yasuo Yoshikawa @yayosika]

🔮 BitNet v2 × Hadamard変換が拓く可能性：
✔️ 4bit活性化の“本命手法”に
→ 推論向けLLMがGPU/Edgeで現実的に動く未来へ
✔️ 他の変換（DCT/ランダム変換等）との比較研究も進むはず
→ Hadamardは計算軽量＆可逆性が魅力
✔️ 推論だけでなく学習時の安定化にも応用可能？
→ 外れ値吸収により勾配爆発などの抑制にも効くか

[Yasuo Yoshikawa @yayosika]

🎥CameraBench（arXiv:2504.17192）
カメラの動きをAIが理解する時代へ。
ズーム・パン・トラッキングなど50種超のカメラモーションを学習・分類可能なベンチマーク。
人間の演出意図まで読み取れる生成AIに向けた大きな一歩。
🔗https://t.co/9v7EAfuxL5
#ComputerVision #MultimodalAI #VideoUnderstanding #LLM #arXiv #AIResearch

[Yasuo Yoshikawa @yayosika]

この研究、"3,000本の動画"とあるが全て別の撮影者かは明記されていない。少数の映像から複数カットなら、特定の撮影スタイルに偏るリスクがある。撮影者ごとの多様性がAIの一般性・演出理解に直結する点は今後の重要論点。
「何本の動画か」より「何人の撮影者から集めたか」が学習の本質。カメラワークの意味理解には、“撮影の文脈”まで含んだベンチマーク設計が今後求められる。

[Yasuo Yoshikawa @yayosika]

@sama Orion

[Yasuo Yoshikawa @yayosika]

Q：Are there any plans to set levels for scalars, such as mining technology levels?
※If we set mining skill levels for scalars and allow owners to set the price range of compensation (distribution rate of XX% to YY%) according to the skill level, skilled scalars will receive increased compensation and satisfaction, while less skilled scalars will receive less compensation and will have to hone their mining skills even more to earn more. On the other hand, the owner will be able to commission highly skilled scalers with peace of mind.

[Yasuo Yoshikawa @yayosika]

@sama A revolutionary move to dramatically enhance the reliability and efficiency of AI development🌞

[Yasuo Yoshikawa @yayosika]

@sama I hope and will work daily to ensure that this strategy will be followed by world peace.

[Yasuo Yoshikawa @yayosika]

@Brypto_Official The game is very interesting and I have high hopes for it.

[Brilliantcrypto @Brypto_Official]

Brilliantcrypto's BRIL token raises a record-high $212m in Coincheck IEO 📢

79.4k applicants will become BRIL token holders at launch.

As the largest in Coincheck's history, it is most likely the most raised and most applicants in Japan's IEO history.
https://t.co/b8MpCsm6ER