Crawl4AIでAmazon Bedrockナレッジベース向けのウェブコンテンツを準備する
この投稿では、オープンソースのウェブクローラーであるCrawl4AIを、Amazon Bedrockナレッジベース向けのコンテンツ準備レイヤーとして使用する方法を紹介します。ウェブコンテンツがAmazon S3データソースに到達する前に、JavaScriptレンダリングの処理、選択的抽出、およびカスタムメタデータの拡充を行います。
AI NEWS JOURNAL
AI ニュースを検索
見出し・要約・本文から、情報のつながりを探します。
Circle KがAmazon BedrockでDevOpsのインシデントトリアージを15分未満に加速した方法
Circle KのDevOpsチームは、Amazon Bedrock上でエージェント型トリアージシステムを構築することで、インシデントトリアージ時間を45〜60分から15分未満に短縮しました。本記事では、アーキテクチャ、初期のAmazon Bedrock Flows実装、Amazon Bedrock AgentCoreへの移行、およびスケールアップから得られた教訓について解説します。
AIを使ってウェブ検索すべき場合とすべきでない場合
チャットボットは、ウェブから欲しい情報を取得するのに非常に優れていることが多いです。しかし、時には昔ながらの良い検索エンジンにクエリを入力した方が、より良い結果が得られることがあります。
dbreunig/nesformer
dbreunig/nesformer ディヴィャンシュ・アグラワルによるqwenputerに触発され、ドリュー・ブロイニグはQwen3.5-4Bの重みの中に、任天堂エンターテインメントシステム用6502 CPUの動作エミュレーターを組み込みました。これにより、Qwen内部でスーパーマリオブラザーズなどのNES ROMを（非常に遅い速度で）プレイできるようになりました！ハッカーニュースでのコメントにおいて、ドリューはこのシステム構築に使用したOpus 5.5のプロンプトを明らかにしています：この記事と関連するソースコードを読んでください：https://divagr.com/blog/qwenputer. その後、この手法を用いて、今日人々がMISTRsでFPGAを用いて行っているように、任天堂エンターテインメントシステムのチップやRAMをエミュレートできるかどうかを検討してください。もし可能であれば、どの程度の規模のモデルを構築する必要があるのか、また、より小型で高速なモデルを使用できる場合、標準的なクロック周波数で動作させられるのかを調べてみてください。続いて彼はこう述べています：「これは、ただ遊びでやってみるべきだと思います。たとえそれが…」
Ask HN：このAI時代、あなたも疲れていませんか？
AIのおかげでできることは格段に増えましたが、以前よりもかなり疲れを感じます。同時に進行している多くの事象を逐一把握し、膨大な量の生成テキストを読み込まなければなりません。
[AINews] AIE CODEを構築する：トップコーディングエージェント会議
Mistralのオープンウェイトリリース、フロンティアモニタリング、そしてその日のAI関連TwitterとRedditの要約。
Wabi、消費者向けAIアシスタントで5,500万ドルを調達
消費者向け人工知能アシスタントを開発するWabi Inc.は本日、シリーズAラウンドで5,500万ドルの資金調達を完了したと発表しました。このラウンドはIVPがリードし、Amazon Alexa Fund、Andreessen Horowitz、Forerunnerから出資を受けました。さらに、Salesforce Inc.のCEOであるマーク・ベニオフ氏やShopify Inc.のCEOであるトビ・リュトケ氏ら、複数のエンジェル投資家も参加しています。記事「Wabi、消費者向けAIアシスタントで5,500万ドルを調達」は、SiliconANGLEに最初に掲載されました。
米国、NvidiaのCEOを標的とした中国のスパイ計画を捜査
シンガポールのAIクラウド企業の最高経営責任者で、Nvidia製チップを中国に違法に販売したとして告発された人物が、実は中国のスパイだった可能性もあると、関係者がニューヨーク・タイムズに語った。
なぜdbt Labsは、AIエージェントがついにセマンティックレイヤーの定着を実現すると考えているのか
チームが信頼の問題を解決できるなら、AIエージェントはなぜセマンティックレイヤーを定着させられるのか。
私たちがデザインエージェントをどのように構築したか
LangChainが、ブランドに合わせた動画、グラフィック、プレゼンテーション資料を生成するSlack向けのオープンソース型デザインエージェント「Content Studio」と、それを支えるハーネスをどのように構築したか。
産業インテリジェンス：製造業の次の成長機会
各メーカーにはそれぞれ独自の産業用インテリジェンスがあります。その一部は文書化されており、もう一部は熟練作業者の経験知に依存しています。例えば、段取り替え後にラインを再稼働しようとする熟練オペレーターを想像してみてください。機械の設定も重要ですが、特定の材料がどのように挙動するか、前シフトで何が起きたか、そして一見些細に見える…
AIエージェントは、メディアにとって新たなお気に入りのオーディエンスです
エージェントが主流化するにつれ、一部の出版社は、人間向けではなくAI向けに特化したコンテンツに対して人々が料金を支払うことを期待している。
TraceQuery：拡散言語モデルにおけるフルデノイズング軌跡から再計算すべき内容を学習する
arXiv:2610.33008v1 公告タイプ：新規 要旨：拡散型大規模言語モデル（dLLMs）は、反復的なマスク付きデノイズングによって柔軟な生成を実現する一方で、デノイズングの各ステップにおいてトークン表現を繰り返し再計算するため、推論コストが大幅に増加します。既存のキャッシュベースの手法では、デノイズングの各ステップ間で中間結果を再利用し、各ステップごとに固定スケジュールまたは変化を示すヒューリスティック信号に基づいて選択された一部の位置のみを再計算することで、このコストを低減しています。一方、我々の軌跡実験は、むしろデコード軌跡こそがより重要な指標であることを示唆しています。キャッシュによる生成は、完全なデノイズング軌跡に近い状態を維持している限り精度を保ち、誤差は主にマスク順序の逸脱に集中し、参照プレフィックスが長くなるほど減少することが明らかになりました。これにより…
Oddin：画像生成からの自己蒸留による統合マルチモーダルモデルにおける潜在的視覚推論
arXiv:2610.33062v1 発表タイプ：新規 要旨：統合型大規模マルチモーダルモデル（ULMM）は、テキストと画像の交互生成を通じて視覚推論を実行できるが、明示的な中間画像を生成するには多大な計算負荷が伴う。視覚ラテンシー推論はこの問題を解決するものの、既存の手法の多くは、視覚生成が不可能な視覚言語モデル（VLM）に依存している。そこで私たちは、ULMMにおけるラテンス視覚推論を可能にする新しいフレームワークであるOddinを提案する。Oddinでは、中間画像をコンパクトなラテントークンに置き換え、これらは理解ブランチのみで処理し、生成ブランチは最終的な出力画像の生成に専念させる。我々は、オフラインの自己蒸留手法を用いて、3つの目的——最終画像生成損失、テキスト蒸留損失、およびクロスエントロピー損失——に基づいてモデルを学習する。
Transformer理論の検証
arXiv:2610.32104v1 発表タイプ：新規 要旨：トランスフォーマー アーキテクチャの能力と限界を特徴付けるため、複数の形式理論が提案されており、それぞれがアーキテクチャの異なる側面を捉えるために異なる抽象化手法を用いている。これらの理論は、その基礎となる仮定や概念的枠組みに違いがあるため、トランスフォーマーにとってどのタスクが容易でどのタスクが困難かという予測において一致しないことがある。本研究では、トランスフォーマーの能力に関する7つの理論（Star-free、$\mathsf{AC}^0$、$\mathsf{TC}^0$、C-RASP、MPC、BAPO、および Sensitivity）を整理し、それらの結果を、異なる計算構造を網羅する一連のタスクに対する共通の予測マトリックスへと変換した。さらに、このマトリックスを完成させるための新たな理論的成果を提示する。その後、理論的な評価を行った
パラメトリックセッション状態は、履歴を再再生することなく検索意図を復元する
arXiv:2610.33047v1 発表タイプ：新規 要旨：長時間にわたるアシスタントは、多くの対話ターン前に設定された指称対象や制約、および現在の目標を理解して、追跡的なリクエストを解釈することがしばしばあります。そのため、中心的な課題は文脈の長さだけでなく、検索意図そのものでもあります。たとえば、「前の構成を使用してください」という現在のクエリには、関連する証拠を見つけるために必要なプロジェクト、エンティティ、バージョンといった用語が含まれていない場合があります。長文対応モデルは、対話を再現することでこれらの用語を復元できますが、そのたびに履歴処理のコストを負担することになります。従来の検索強化型生成（RAG）手法はコスト面で優れていますが、情報が十分に提供されたクエリを前提としています。一方、会話形式でのリライト手法は、履歴を再度読み返すか、明示的に維持されるテキストメモリに依存します。そこで私たちは「パラメトリックセッション状態」を提案します。
FlexA-Mem：LLMエージェント向けの予算適応型エージェンティックメモリ
arXiv:2610.33274v1 公開タイプ：新規 要旨：大規模言語モデル（LLM）エージェントは、非常に多様なメモリニーズを抱えるシナリオで動作します。過去の会話に関する質問には、その文脈で明示された正確な事実が必要であり、一方で複数ステップからなるタスクでは、次のステップが特定できない詳細とともに、これまでに踏んだ手順の記録も必要です。既存のメモリはそれぞれ特定のシナリオ向けに設計・検証されており、A-Memのような検索型メモリでは現在のクエリが表現していない手順を見落とし、要約では正確な文字列が失われ、さらに両者を組み合わせても、予算の分割状態はあらかじめ固定されてしまいます。そこで私たちは、履歴の各単位を不変ストアに一度書き込み、各呼び出しごとに新たなメモリを生成する汎用的なメモリであるFlexA-Memを提案します。生成されるメモリは、固定ルールに基づいてフィルタリングされた記録と詳細情報から構成されるコンパクトなタイムラインです。
ノイズの多い検索から意思決定証拠へ：インコンテキスト学習のためのシルバーエビデンス実証
arXiv:2610.32128v1 発表タイプ：新規 要旨：RAGやリトリーバル増強型少人数ショットICLは、意思決定に重要な証拠が長くノイズの多い文脈の中に埋もれている場合、性能が低下することがあります。取得されたパッセージやデモンストレーションには、冗長な情報や注意を逸らす要素が含まれる可能性があります。専門家によってラベル付けされた開発例は、各決定を支えるテキストを特定できるものの、これらのアノテーションは通常、回答側の根拠としてのみ利用され、ノイズの多い検索結果をフィルタリングするための監督信号としては用いられていません。そこで私たちは、生の取得パッセージを生成された目標条件付き証拠要約に置き換えるシルバーエビデンス・デモンストレーションを提案します。各ラベル付き開発例について、LLMは専門家のラベルやゴールドエビデンスにアクセスせずにシルバーエビデンスを生成し、これを専門家のラベルと組み合わせます。
エッジによるLLMトレーニングの民主化：課題・システム・今後の展望
arXiv:2610.32215v1 発表タイプ：新規 要旨：現代のGPUデータセンターにおける計算能力の向上により、一部の産業大手企業が膨大なデータを用いて大規模言語モデル（LLM）を訓練し、展開できるようになりました。しかし、これらのモデルとその学習データの圧倒的な規模は、集中型の開発をますます維持困難にすると同時に、関連するプライベートデータを保有しながら同等のインフラを持たない小規模機関を排除しています。本論文では、分散型LLMトレーニングに関する我々の立場を、事前学習および微調整のパラダイムを中心に整理し、フェデレーテッド学習、スプリット学習、そして分散型アプローチを取り上げ、それらが地理的に分散した環境下で、多様なハードウェアや信頼性の低い接続状況においてどの程度実用可能かを評価します。さらに、我々は「統一された」システムを提案します。
