MCP接続型AIエージェントを活用して、ダッシュボードのデバッグを6分で解決する方法
AIエージェントは、BIレイヤー内からdbtリネージを活用し、コーヒーを淹れる間に3つのデータの謎を解き明かしました。
dbt
FOXAI SEARCH
サイト内検索
ニュース記事 559
大規模言語モデルの分布整合性とその一般化特性
arXiv:2610.31687v1 公告タイプ：新規 要旨：大規模言語モデルは、アンケート調査などにおいて、人間の行動をシミュレートし、分析するための手段としてますます広く利用されています。これらの用途において重要な特性は、出力が分布整合性を満たすことであり、すなわち、出力の分布をある参照（ここでは人間の）分布に一致させることです。分布整合性を実現する際の障壁の一つは、少量の学習データから一般化することです。本研究では、(1) 大規模言語モデルをどのように分布整合させるか、および (2) いったん整合された大規模言語モデルが、未見のサンプルや関連しないトピック・タスクに対してもどのように一般化できるかを検討しています。二つの大規模ベンチマークを用いて、大規模言語モデルは確かに分布整合性を達成でき、同一ドメイン内の未見の質問に対しても一般化可能であることを示しました。一方で、トピック間の一般化は、各トピック間の関係性に依存します（例えば、
arXiv cs.CL
Anthropicが提案されたIPOに向けたS-1書類を提出
人工知能の巨頭であるAnthropic PBCは本日、米国証券取引委員会に新規株式公開（IPO）のための書類を提出し、先進的なAIに関する警戒が高まる中で、今後登場するAI開発企業としてはおそらく最大規模となる株式市場への上場に向けて軌道に乗った。同社は提出書類の中で、上場を予定していると述べた[…]。記事「Anthropic、提案されるIPOに向けたS-1申請書類を提出」は、SiliconANGLEに最初に掲載されました。
SiliconANGLE AI
金融犯罪分析のための敵対的ロバスト性を備えた多グラフニューラルネットワークへ
arXiv:2610.31718v1 発表タイプ：新規 要旨：金融取引ネットワークは自然に多グラフとして表現され、同一の口座ペア間の繰り返し取引は異なる辺としてモデル化される。近年提案された多グラフニューラルネットワークのアーキテクチャは、この構造を明示的に活用することで、マネーロンダリング防止（AML）タスクにおいて高い性能を実現している。しかし、検出を回避するために取引構造を操作する敵対者に対するそのロバスト性については、依然としてほとんど研究されていない。本稿では、ノード・エッジ接続行列を用いた多グラフニューラルネットワークに対する構造攻撃および敵対的学習のための初のスケーラブルなフレームワークを提示し、このような多グラフ上で構造的な摂動を最適化するため、射影勾配降下法および射影ランダム化ブロック座標降下法を適用している。
arXiv cs.LG
LazyFlash：長文コンテキストの高速微調整のための前方は密集、後方は疎なアテンション
arXiv:2610.31911v1 発表タイプ：新規 要旨：大規模言語モデル（LLMs）がますます長いシーケンスを処理するにつれ、アテンションは主要な計算上のボトルネックとなっています。疎なアテンション手法は主に推論段階での利用を対象としていますが、多くの手法は依然として密集型で学習を行ったり、疎な学習に対応できなかったりします。さらに、その追加の複雑さにより、疎さを実際の実行時間の短縮へと結びつけることが難しく、結果として実用的には密集型アテンションが広く用いられています。本論文では、アテンションの学習は後方パスが支配的であるという観察に基づき、前方パスを完全に密集型に保ちつつ、後方パスを疎にするLazyFlashという手法を提案します。LazyFlashは前方パスを厳密に密集型に維持するため、学習済みモデルは従来の密集型モデルのままであり、vLLMなどの既存システムでも一切変更なしにサービス可能です。一方、後方パスについては、LazyFlashは勾配を…
arXiv cs.CL
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。
arXiv cs.DC
マイクロソフトが6万人の従業員に買収オファーを提示
マイクロソフトは、米国、英国、カナダ、インドの各地で最大6万人の従業員に対し、希望退職制度を提供しています。社員向けのメッセージで、マイクロソフトの最高人事責任者であるエイミー・コールマン氏は、同社が新たな[...]なしに人員削減を進めるなか、この制度により従業員には「経済的支援とキャリア設計に関するリソースとともに、マイクロソフトを離れる機会」が与えられると述べています。
ザ・バージ・AI
Context Engineering with Deep Agents: How To Remember Without Keeping Everything In Context
Long-running agents degrade as context piles up. Learn how offloading, summarization, skills, subagents, and memory keep your agent's context window focused.
翻訳サービスが停止中のため原文を表示しています。
ラングチェーン
Anthropicが大ヒットAIのIPOに向けたS-1書類を提出
人工知能の巨大企業であるAnthropic PBCは本日、米国証券取引委員会に新規株式公開（IPO）のための書類を提出し、先進的なAIに関する警戒が高まる中、今後登場するAI開発企業としてはおそらく最大規模となる株式市場への上場に向けて軌道に乗った。同社は提出書類の中で、[…]に上場する予定であると述べた。記事「Anthropic、大型AI IPO向けのS-1申請書類を提出」は、SiliconANGLEに最初に掲載された。
SiliconANGLE AI
b11888
common, grammar: add recursive depth limit, make it a requirement (#31153) * common, grammar: add recursive depth limit, make it a requirement * catch more recursive functions * common : tidy up peg parser changes * grammar : reject candidates in a loop, without a depth limit The depth limit in llama_grammar_reject_candidates_for_stack counted the code points of a vocab token, so any token of 256 chars or more was always rejected under a grammar, such as the 512-space token of GLM-4.7-Flash or the long space tokens of Laguna-S-2.1. The rejection now walks the code points with its own stack of levels instead of recursing: there is no limit and no stack risk, whatever the length of a token from the GGUF, and the masks match master. * grammar : track rejected candidates as indices into the in
翻訳サービスが停止中のため原文を表示しています。
llama.cpp のリリース