Unlock a new era of innovation with Windows Copilot Runtime and Copilot+ PCs
I am excited to be back at Build with the developer community this year. Over the last year, we have worked on reimagining Windows PCs and yesterday, we introduced the world to a new category of Windows PCs called Copilot+ PCs. Copilot+ PCs are the fastest, most intelligent Windows PCs ever with AI infused at every layer, starting with the world’s most powerful PC Neural Processing Units (NPUs) c
AWS announces Amazon Aurora MySQL zero-ETL integration with Amazon Redshift (Public Preview)
Amazon Aurora MySQL zero-ETL integration with Amazon Redshift is now available in public preview. This feature enables near real-time analytics and machine learning (ML) on petabytes of transactional data stored in Amazon Aurora MySQL-Compatible Edition. Data written into Aurora is available in Amazon Redshift within seconds, so you can quickly act on it without having to build and maintain comple
This post is also available in 简体中文, 日本語, 한국어, Deutsch, Français and Español. Today, Cloudflare’s Workers platform is the place over a million developers come to build sophisticated full-stack applications that previously wouldn’t have been possible. Of course, Workers didn’t start out that way. It started, on a day like today, as a Birthday Week announcement. It may not have had all the bells and
Cloud RunとLoad Balancer： 機械学習デモウェブアプリの効率的なデプロイ方法 - ANDPAD Tech Blog
目次： はじめに 前提条件 アーキテクチャ MLのデモウェブアプリを開発し、デプロイするには？ アプリの開発とデプロイ Step 1: Streamlitを使ったMLデモウェブアプリの開発 Step 2: Poetry で依存関係をロック Step 3: Dockerを使ったWebアプリのコンテナ化 Step 4: DockerイメージをGCPの Artifact Registry にプッシュします Step 5: Google Cloud RunへのDockerイメージのデプロイ アプリのホスティングとルーティング Step 6: Domain または IP アドレスの登録 Step 7: External HTTPS Load Balancerのセットアップと設定 Step 8: デプロイメントプロセスの自動化 1. Serverless NEGを作成し、Cloud Runサービスを追
Llama 2 foundation models from Meta are now available in Amazon SageMaker JumpStart | Amazon Web Services
AWS Machine Learning Blog Llama 2 foundation models from Meta are now available in Amazon SageMaker JumpStart October 2023: This post was reviewed and updated with support for finetuning. Today, we are excited to announce that Llama 2 foundation models developed by Meta are available for customers through Amazon SageMaker JumpStart to fine-tune and deploy. The Llama 2 family of large language mode
WEELメディア事業部LLMライターのゆうやです。 2024年2月26日、MIstral 7BやMixtral 8×7Bなどを開発したMistral AI社が最新のLLM「Mistral Large」を公開しました。 このモデルは、Mistral AIが「最高レベルの推論能力」を持つと自信を持って語る新たなフラッグシップモデルです。 数あるLLMの中で最高クラスの性能を持つだけでなく、Gemini Proなどのクローズドモデルよりも高いベンチマークスコアを獲得し、様々なベンチマーク結果が、GPT-4に次ぐ世界第2位となっています！ MMLUのベンチマーク結果 引用元：https://mistral.ai/news/mistral-large/ また、Mistral Largreと同時に「Le Chat」というチャットインターフェースも公開され、Le chatを通じてMIstralのモデルが
MIT主導のチームによる画期的な開発は、機械学習プログラムに革命をもたらし、ChatGPTのような現在の言語モデルよりも数桁強力になる可能性があります。チームのシステムは、従来のエレクトロニクスでは無く、光ベースの計算を使用して機能し、その結果としてエネルギー効率と計算密度が大幅に向上しました。 Nature Photonicsの出版物の中で、研究者らはこの新しいシステムの初めての実験的デモンストレーションを報告しました。彼らの理論では、電子に依存する代わりに、数百ミクロンという規模のレーザーを使用して光の動きを利用します。この画期的なアプローチにより、機械学習に使用される最先端のデジタルコンピューターと比較して、エネルギー効率が100倍以上向上し、計算密度も25倍向上するという顕著な改善がもたらされます。 このシステムの進歩の可能性は驚異的であり、チームは「将来的にはさらに数桁の改善が見
Microsoftが2024年2月22日に、生成AIのリスクを特定する自動化ツール「PyRIT(Python Risk Identification Toolkit for Generative AI：生成AI用リスク特定ツール)」のリリースを発表しました。 GitHub - Azure/PyRIT: The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems. https://github.com/Azure
By Adam Pearce, Asma Ghandeharioun, Nada Hussein, Nithum Thain, Martin Wattenberg and Lucas Dixon In 2021, researchers made a striking discovery while training a series of tiny models on toy tasks . They found a set of models that suddenly flipped from memorizing their training data to correctly generalizing on unseen inputs after training for much longer. This phenomenon – where generalization se
normcore-llm.md Anti-hype LLM reading list Goals: Add links that are reasonable and good explanations of how stuff works. No hype and no vendor content if possible. Practical first-hand accounts of models in prod eagerly sought. Foundational Concepts Pre-Transformer Models The Illustrated Word2vec - A Gentle Intro to Word Embeddings in Machine Learning (YouTube) Transformers as Support Vector Mach
カテゴリー DX (2) 一般 (58) 研究会 (6) 働き方 (4) 技術 (351) Edge AI (2) Edge Computing (12) Erlang (1) FIWARE (2) Fog Computing (9) Infiniband (31) Internet of Things (32) Key Value Store (17) Linux (3) Linux KVM (10) Machine Learning (4) RealTime Web (14) SRE (2) Webサービス (42) インフラ (7) コンテナ (3) ストレージ (92) データセンター (7) データベース (47) データ流通 (6) テレプレゼンス (2) ネットワーク (214) 仮想化 (110) 災害コミュニケーション (26) 空間情報 (30) 量子コンピューティング
【LPIXEL×CADDi】Kaggle Masterとマネージャーが語るAI製品化の舞台裏【イベントレポート】 - CADDi Tech Blog
みなさんこんにちは。キャディ（CADDi）でML/MLOpsチームのグループリーダをしている稲葉です。今日は、エルピクセル（LPIXEL）さんと一緒にオフラインイベントを開催しましたので、そのイベントレポートをお伝えしたいと思います。 はじめに イベントの詳細は、connpassのページをご確認いただけると幸いです。このイベントを開催するにあたってエルピクセルさんとも色々と議論したのですが、AIを製品として市場にリリースしているエルピクセル株式会社、キャディ株式会社からどういう点を意識してプロダクト開発しているかをお話すると実際の開発現場がイメージできるのではないかという話になりました。また、Machine Learning Engineert・Engineering Managerそれぞれの立場からお伝えすることで、AI製品化プロセス全体の話ができるのではないかと思い、このような内容で開
Frog > インタビュー > キャリアのスタートは研究者。コーディングの楽しさに突き動かされ輝かしいキャリアを築いてきたAkiさんの歴史を紐解く ブログ みなさんこんにちは！FrogメンバーのHiroshiです。今回インタビューに応じてくださったのは、現在Treasure Dataという会社でStaff Software Engineerとしてご活躍中のAkiさん。キャリアのスタートは研究者として東芝に勤められていました。その後Cookpadに転職し、副菜レコメンド機能の開発に貢献。その後はClouderaという会社での勤務を経て現在に至ります。エンジニアであれば誰もが二度見するような素晴らしいキャリアの持ち主ですが、Akiさんは更にオライリーから書籍も出版されています。 仕事ではじめる機械学習 バンクーバーに来られてから約2年が経過したAkiさん。インタビューの中では、キャリアに関する
はじめに Xの投稿にて、GroqのLLM Inferenceが超絶速いというのが流れてきます。 groq.com にアクセスすると、 Mixtral 8x7B-32K LIama 2 70B-4k が動きます。デフォルトは、Mixtral 8x7B-32K のようです。 とりあえず、質問してみました。 GroqのTSPがLLM推論で速い理由を2000文字程度で説明してください。 458.03 T/s 回答 Groq's Tensor Streaming Processor (TSP) is designed to accelerate machine learning workloads, including large language models (LLMs) like me, by providing a highly parallel and specialized archit
9月新刊情報『機械学習システムデザイン』
『機械学習システムデザイン ―実運用レベルのアプリケーションを実現する継続的反復プロセス』 Chip Huyen 著、江川 崇、平山 順一 訳 2023年9月1日発売予定 408ページ ISBN978-4-8144-0040-9 定価4,840円（税込） ビジネスとしての機械学習システムの設計や運用についての解説書。本書では、機械学習の最前線で活躍する著者の豊富な経験と知識に基づき、エンド・ツー・エンドの機械学習システムを設計・構築するための基本原則を明らかにします。訓練データの処理方法、特徴の使い方、モデルを再訓練する頻度、監視すべき項目……このような設計上の決定がシステム全体の目的達成にどのように寄与するのかを、実際のケーススタディを通じて理解します。機械学習プロジェクトを成功に導く上で必要な信頼性、拡張性、保守性、およびビジネス要件の変化への適応性を備えた機械学習システムを設計する包
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y = f(x) を構築し、構築したモデルに x の値を入力して y の値を予測したり、y が目標値となる x の値を設計したりします。 データ解析・機械学習でモデルを構築し始める際のサンプル数の目安について、もちろんモデルを構築する時には、可能な限り多くのサンプルを用いることが望ましいです。多くのサンプルを用いることで、サンプルの変化に強い (例えばサンプルが一つ追加されたり一つ削除されたりしても結果の変わりにくい) 頑健なモデルを構築できる可能性が高まります。頑健なモデルにより、より妥当な x の設計やモデルの解釈が可能になります。 ただし、サンプルを集め
In Generative AI with Large Language Models (LLMs), you’ll learn the fundamentals of how generative AI works, and how to deploy it in real-world applications. By taking this course, you'll learn to: - Deeply understand generative AI, describing the key steps in a typical LLM-based generative AI lifecycle, from data gathering and model selection, to performance evaluation and deployment - Describe
New: complete set of figures in PDF format available for download This book offers a comprehensive introduction to the central ideas that underpin deep learning. It is intended both for newcomers to machine learning and for those already experienced in the field. Covering key concepts relating to contemporary architectures and techniques, this essential book equips readers with a robust foundation
CI/CD for Machine Learning in 2024: Best Practices & Tips | Qwak
CI/CD for Machine Learning in 2024: Best Practices to Build, Train, and Deploy Explore best practices for CI/CD in Machine Learning in 2024. Learn to build, train, and deploy ML models efficiently with expert strategies. Building and deploying code to production environments is a fundamental aspect of software development. This process is equally pivotal in the realm of production-grade Machine Le
The economic advantages of portability are very great. In many segments of the computer industry, the dominant cost is development and maintenance of software. Dennis Ritchie and Stephen Johnson 1978 … many insist that C is the programming language and that it will last forever. Byte Magazine 1983 The August 1983 issue of Byte Magazine devoted its cover, and a large part of its editorial content,
個人情報とプライバシーの保護に役立つセキュリティ対策とAIを悪用するハッカーへの対策 | 初心者向けアドバイス - deve.K's Programming Primer - プログラミング初心者のための入門ブログ
SNS活動とプライバシー保護：写真交換とメタデータの注意点 セキュリティ対策 一般のユーザーに向けた対策 ソフトウェア開発者向けの対策 攻撃手法や脅威について AIはサイバーセキュリティを侵害するのか？ AIを使用した新たな攻撃手法 最後に この記事では、セキュリティに関心のある人々にとって重要な情報を提供し、セキュリティやプライバシーの保護に役立つ知識と対策方法を紹介します。 さらに、ハッカーがAIを利用して攻撃を行う方法についても探ってみましょう。 現代のデジタル時代において、セキュリティの重要性はますます高まっています。 個人情報や機密データの保護は切迫した課題であり、特に開発者やプログラマーにとっては重要なテーマです。 個人情報やクライアントのデータは、悪意のある第三者に漏洩する可能性があるため、適切に保護する必要があります。 開発者やプログラマーは、暗号化技術やセキュアな通信プロ
先読みを用いたLLMの文章生成の高速化 - NTT Communications Engineers' Blog
こんにちは、イノベーションセンターの加藤です。普段はコンピュータビジョンの技術開発やAI/機械学習（ML: Machine Learning）システムの検証に取り組んでいます。一方で、兼務1で大規模言語モデル（LLM: Large Language Model）について調査を行なっており、特にLLMの推論や学習の高速化に関心を持っています。 今回は、小さな言語モデルによる先読みを活用してLLMの文章生成を高速化する手法（Assisted Generation2, Speculative Sampling3などと呼ばれています）についてご紹介します。 LLMの推論は計算コストが高く、文章生成の遅さが課題としてよく挙げられています。特に日本語はトークンあたりの文字数が少なく、ChatGPTのようなストリーム出力でもかなり生成が遅く感じるかと思います。 これに対して、いくらか余分にメモリを利用し
RAGs powered by Google Search technology, Part 2 | Google Cloud Blog
In the first post of this series, we explored the concept of retrieval augmented generation (RAG) and how the same technologies that power Google Search can greatly enhance the effectiveness of the information retrieval capabilities of a RAG system. In this follow-up post, we will now take a deeper look at the other critical technologies that are essential for building a successful RAG system to h
AI導入による口コミ投稿画像のカテゴライズ業務の一部自動化について - Tabelog Tech Blog
目次 目次 はじめに 口コミ投稿画像のカテゴライズ業務について なぜ自動化することにしたのか？ どのように自動化を実現したのか？ 1. 画像をカテゴライズできる機械学習モデルを実現した方法 1-1. CLIPについて 1-2. 口コミ投稿画像のカテゴライズ業務にCLIPを利用する方法 2. 食べログのシステムに機械学習モデルを組み込んだ方法 2-1. 今回の施策で開発したシステムの概要 2-2. 機械学習モデルを組み込む際の運用設計 2-2-1. 自動でのカテゴライズ精度が低いカテゴリへの対応 2-2-2. システム障害時の対応 一部自動化を実現した結果、どうなったか？ はじめに こんにちは。食べログシステム本部 ウェブ開発部 プロダクトチームの高橋です。 この記事では、食べログにおいて、口コミ投稿画像のカテゴライズ業務の一部を自動化した事例について紹介します。 口コミ投稿画像のカテゴライ
「M3 MacBook Air」1か月レビュー。試してわかった“活きる使いこなし” | Gadget Gate
PC 指紋の付きにくさも魅力的 「M3 MacBook Air」1か月レビュー。試してわかった“活きる使いこなし” 15インチのM3搭載MacBook Airを約1か月間使ってみた アップルは、最新のApple M3チップを搭載するモバイルノート「MacBook Air」を3月に発売した。15インチのモデルをアップルから借りて、1か月間ほど試した筆者の体験をレポートする。 AppleシリコンはAI対応。生成AI系アプリケーションの動作が快適 AppleシリコンにはM1チップの頃から機械学習（Machine Learning）モデル、言い換えればAIモデルの処理に特化するNeural Engineが統合されている。アップルは「M3チップファミリー（上位のPro/Maxを含む）のNeural Engineによる処理は、M1チップファミリー（M1 Pro/Max/Ultraを含む）よりも最大60
GoogleのMLOps実践ホワイトペーパー Practitioners Guide to Machine Learning Operations (MLOps) 要点まとめ - 肉球でキーボード
Googleが公開した、MLOps実践のためのホワイトペーパー GoogleがMLOps実践のためのホワイトペーパーを公開しています。 Practitioners Guide to Machine Learning Operations (MLOps) 2021年5月に公開されたものですが、2024年現在に読んでも色褪せない内容だったので、各章の要点をまとめました。 TL;DR Googleが2021年5月に公開したMLOpsの実践のためのホワイトペーパー MLOpsライフサイクルの全体像・コア機能を解説 コア機能: 実験、データ処理、モデル学習、モデル評価、モデルサービング、オンライン実験、モデル監視、MLパイプライン、モデルレジストリ、データセット・特徴量レポジトリ、MLメタデータ・アーティファクトトラッキング MLOpsのコアプロセスの詳細を解説 コアプロセス: ML開発、学習の運用
LangChainについて解説。大規模言語モデル(LLM)を効率よく実装するためのフレームワーク - G-gen Tech Blog
G-gen 又吉です。LangChain とは、大規模言語モデル (LLM) を効率よく実装するために使用するフレームワークです。 当記事では LangChain を用いて、Google Cloud (旧称 : GCP) の LLM である PaLM 2 を操作する基本的な方法をご紹介します。 はじめに Vertex AI PaLM API LLM 開発の課題 学習コスト 入力トークン制限 事実と異なる回答 最新情報に対応していない 準備 環境構築 ライブラリの準備 ユーティリティ関数を定義 各 AI モデルを初期化 LangChain とは 概要 Models 概要 LLMs Chat model Text Embedding Model Memory 概要 ConversationBufferMemory Prompts 概要 Prompt Template Output Parser
Largest Dataset Powering AI Images Removed After Discovery of Child Sexual Abuse Material
AI Largest Dataset Powering AI Images Removed After Discovery of Child Sexual Abuse Material The model is a massive part of the AI-ecosystem, used by Stable Diffusion and other major generative AI products. The removal follows discoveries made by Stanford researchers, who found thousands instances of suspected child sexual abuse material in the dataset. This piece is published with support from Th
Attention Is Off By One
By Evan Miller July 24, 2023 About which one cannot speak, one must pass over in silence. –Wittgenstein Do you see the off-by-one error in this formula? \[ \textrm{Attention}(Q, K, V) = \textrm{softmax}\left(\frac{QK^T}{\sqrt{d}}\right)V \] The attention formula is the central equation of modern AI, but there’s a bug in it that has been driving me nuts the last week. I tried writing a serious-look
Tiny but mighty: The Phi-3 small language models with big potential
All Microsoft Global Microsoft 365 Teams Copilot Windows Surface Xbox Deals Small Business Support Software Windows Apps AI Outlook OneDrive Microsoft Teams OneNote Microsoft Edge Skype PCs & Devices Computers Shop Xbox Accessories VR & mixed reality Certified Refurbished Trade-in for cash Entertainment Xbox Game Pass Ultimate PC Game Pass Xbox games PC and Windows games Movies & TV Business Micro
Appleがまたしても人工知能（AI）関連の新興企業を買収したことは、AIに対する同社の2024年の計画について洞察を与える動きだ。同社が買収したDarwinAIは、視覚的品質検査サービスを提供するカナダの新興企業で、AIシステムを小型化し効率化する技術を開発している。 Appleの最高経営責任者（CEO）であるTim Cook氏は、2024年内にAIに関する取り組みの進捗について詳しく公表することを約束しており、より小さなデバイス上で効率的に実行するAIシステムを開発する企業を買収したことは、AIモデルをオンデバイスで実行するというAppleの計画の強化につながる可能性がある。 AIアルゴリズムをオンデバイスで実行するということは、ユーザーの情報がクラウドサーバーに送信されることなくデバイス上に保持されることになるため、プライバシーを重視するAppleの方針に合致している。この方法は、ユ
Apple、限られたメモリで効率的な大規模言語モデル推論を行う方法を開発 | NEWS | Mac OTAKARA
※本サイトは、アフィリエイト広告および広告による収益を得て運営しています。購入により売上の一部が本サイトに還元されることがあります。 AppleのMachine Learning Researchは、arXivに「LLM in a flash: Efficient Large Language Model Inference with Limited Memory」を投稿しています。 大規模言語モデル（LLM）は、現代の自然言語処理の中心的存在であり、様々なタスクにおいて卓越した性能を発揮します。しかし、その集中的な計算とメモリ要件は、特にDRAM容量が限られたデバイスにとって課題となります。 この論文では、モデルのパラメータをフラッシュメモリに保存し、必要に応じてDRAMに取り込むことで、利用可能なDRAM容量を超えるLLMを効率的に実行するという課題に取り組みむと説明しています。 Ap
ITスキルロードマップ roadmap.sh がすごい。Data Analyst について対応する本をまとめた - Qiita
ITスキルロードマップ roadmap.sh がすごい。Data Analyst について対応する本をまとめた機械学習データ分析キャリアデータアナリティクスデータアナリスト Developer Roadmapsというサイトがすごいです。ITエンジニアの分野別にスキルアップのロードマップが示されています。 言語、基盤、アプリ、かなり網羅されています。 ということで、AI and Data Scientist Roadmap について書きましたが 今回は Data Analyst Roadmap です。 雑感 このロードマップの続きにAI and Data Scientistがあり、Data AnalystをData Scientistの前段階的に位置付けているのが疑問。Data AnalystとData Scientistは並ぶものではないでしょうか。 そして、ビジネス、ドメイン知識や分析目
米AppleのMachine Learning Researchが、論文投稿サイト「arXiv」において「ReALM: Reference Resolution As Language Modeling」を発表した。ReALMは、画面上の物体への曖昧な言及や、会話での背景の文脈を理解し、音声アシスタントより自然なやりとりを可能にする新たな人工知能システムだという。 ReALMの最小のモデルでは、画面上の参照において5%以上の絶対的な改善を得ることができたという。また、GPT-3.5とGPT-4に対するベンチマークを行い、ReALMの最小モデルはGPT-4と同等の性能を達成し、ReALMの大型モデルはGPT-4を大幅に上回る性能を達成したと説明する。 Appleは、会話アシスタントには、参照を含むコンテキストを理解できることが不可欠だと説明していて、ユーザーが画面に表示されている内容について
Compiling typed Python
It’s been nine whole years since PEP 484 landed and brought us types from on high. This has made a lot of people very angry and been widely regarded as a bad move1. Since then, people on the internet have been clamoring to find out: does this mean we can now compile Python to native code for more speed? It’s a totally reasonable question. It was one of my first questions when I first started worki
AIで診断の3年前に食道がんや胃がんを「予知」できる技術が登場
体重や既往歴など、特別な検査を必要としない基礎的な医療データを元に、診断の少なくとも3年以内にある種のがんを正確に予測できるAIツールの開発に成功したと、アメリカ・ミシガン大学の研究チームが発表しました。 Predicting Incident Adenocarcinoma of the Esophagus or Gastric Cardia Using Machine Learning of Electronic Health Records - Gastroenterology https://doi.org/10.1053/j.gastro.2023.08.011 AI can predict certain forms of esophageal and stomach cancer | Michigan Medicine https://www.michiganmedicine.
Amazon QuickSight の Generative BI 機能を発表 | Amazon Web Services
Amazon Web Services ブログ Amazon QuickSight の Generative BI 機能を発表 データはビジネスの成長を加速させます。しかし、データ分析に多額の投資を行っているにもかかわらず、組織はデータに基づくインサイトをビジネス上の意思決定に活用していないことが多いです。なぜでしょう？従来の Business Intelligence (BI) ツールでは、インサイトを発見するために時間のかかるプロセスと専門的なトレーニングが必要だからです。インサイトが利用可能な場合、ビジネスユーザーは、BI システムからデータを抽出し、他のツールにインポートして、他のユーザーが情報に基づいた意思決定を行うために必要な説明を作成するために、貴重な時間を費やす必要があります。このような障壁により、インサイトがデータ内に閉じ込められたままになることはよくあります。 AWS
Happy New Year: GPT in 500 lines of SQL - EXPLAIN EXTENDED
Translations: Russian This year, the talk of the town was AI and how it can do everything for you. I like it when someone or something does everything for me. To this end, I decided to ask ChatGPT to write my New Year's post: "Hey ChatGPT. Can you implement a large language model in SQL?" "No, SQL is not suitable for implementing large language models. SQL is a language for managing and querying d
というNBER論文が上がっている（H/T Mostly Economics、ungated版へのリンクがある著者の一人のページ）。原題は「Movies」で、著者はStelios Michalopoulos（ブラウン大）、Christopher Rauh（ケンブリッジ大）。 以下はその要旨。 Why are certain movies more successful in some markets than others? Are the entertainment products we consume reflective of our core values and beliefs? These questions drive our investigation into the relationship between a society’s oral tradition and
はじめに 新規事業部 山本です。 ChatGPT（OpenAI API）をはじめとしたAIの言語モデル（Large Language Model：以下、LLM）を使用して、チャットボットを構築するケースが増えています。通常、LLMが学習したときのデータに含まれている内容以外に関する質問には回答ができません。そのため、例えばある社内システムに関するチャットボットを作成しようとしても、素のLLMでは質問に対してわからないという回答や異なる知識に基づいた回答が（当然ながら）得られてしまいます。 この問題を解決する方法として、Retrieval Augmented Generation（以下、RAG）という手法がよく使用されます。RAGでは、ユーザからの質問に回答するために必要そうな内容が書かれた文章を検索し、その文章をLLMへの入力（プロンプト）に付け加えて渡すことで、ユーザが欲しい情報に関して
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
The best place on Region: Earth for inference
【Mistral Large】GPT-4に次ぐ世界第二位のLLMを忖度抜きで徹底比較してみた | WEEL
光ベースのコンピューターシステムが機械学習に革命をもたらす？ | Ubergizmo JAPAN
Microsoftが生成AIの抜け穴テストツール「PyRIT」を発表
Do Machine Learning Models Memorize or Generalize?
Normcore LLM Reads
クラウドの障害診断の自動化に関する論文が国際ジャーナル「IEEE Access」に採録
キャリアのスタートは研究者。コーディングの楽しさに突き動かされ輝かしいキャリアを築いてきたAkiさんの歴史を紐解く
GroqのLLM Inferenceが超絶速い件に対する感想 - Vengineerの戯言
データ解析・機械学習を始める際のサンプル数の目安(あくまで目安！)
Generative AI with Large Language Models
Deep Learning - Foundations and Concepts
Freedom and Portability
アップルのDarwinAI買収はAIを強化した「iPhone」の登場を示唆するのか
次世代Siri？ Apple、画面内の状況を理解できるAI「ReALM」を論文発表 GPT-4超えとアピール
映画 - himaginary’s diary
ベクトル検索で欲しい情報が得られないときの問題点と改良方法を考えてみた | DevelopersIO