夢は世界史の教科書に馮夢龍の名が載ることー 東大随一の蔵書家・大木康教授インタビュー - 東大新聞オンライン
本棚から東大教員の長年にわたる知の蓄積の一端が垣間見えるのではないかー そんな思いから生まれた新連載「東大教員の本棚」。初回は東大の研究者の間でも大変な蔵書家として知られ、「東大教授の本棚」という企画ならまずはこの人にと推薦された東大東洋文化研究所（以下、東文研）の大木康教授。しかし、大木教授の専門は「馮夢龍（ふうぼうりょう）」。聞いたことがあるという人は少ないだろう。この文学者を研究するのになぜそれほどの本が必要だったのか。来年の定年退職を前に、本を切り口として、研究人生について語ってもらった。 （取材・宮川理芳 撮影・臧喜来） 『三国志』も『雨月物語』も 馮夢龍は明代の出版文化のキーパーソン ━━先生の専門は明代の文学者・馮夢龍ですが、この作家は日本ではそれほど知られていないようです。どんな人ですか 知名度が低いのは私の力不足かもしれません。でも実はかなり広く影響力を持った人物でした。
社内用語集を気軽に質問できるSlackBotを作ってみた (RAGの応用アプリ) - ABEJA Tech Blog
こんにちは！株式会社 ABEJA で ABEJA Platform 開発を行っている坂井（GitHub : @Yagami360）です。 LangChain を使用すれば、RAG [Retrieval Augment Generation] を使用した LLM アプリケーションを簡単に作成できるので便利ですよね。 今回 LangChain での RAG を使用して、LLM が学習に使用していない特定ドメインでの用語を応答する Slack ボットをさくっと作ってみたので共有します。 本コード一式は、以下の GitHub レポジトリに保管しています。 github.com 使い方 コード解説 アーキテクチャ RAG の仕組み ヒューマンインザループによる継続的品質改善 まとめ We Are Hiring! 使い方 事前準備として｛用語集スプレッドシートの作成・Slack アプリの初期設定・各種
私を変えた「英語学習アプリ」4選 「使う時間が幸せ」読解も聞き取りも上達｜高校生新聞オンライン｜高校生活と進路選択を応援するお役立ちメディア
みなさんは隙間時間に何をしていますか？ 私はアプリで英語を勉強することで「英語を勉強している時間が一番幸せ」と思えるほど英語が大好きになりました。私が愛用している、隙間時間に最適な英語学習アプリを4つ紹介します。（高校生記者・さぼてん＝2年） 英語の記事で読解力を鍛える「News in Levels」 「News in Levels」は、自分のレベルに合った英語の記事を読んだり、聞いたりできるアプリです。 記事は3段階のレベルに分かれています。一つの記事がそれほど長くないため、短時間で英文読解、リスニングができます。記事によっては問題が3問ほどついているので、内容が理解できたかどうか確かめることもできます。毎日少しずつ取り組むことで、試験の直前に焦って長文、リスニングの対策をする必要がなくなります。 動画でリスニング力UP「VoiceTube」 「VoiceTube」は、英語のYouTub
Code Tour を使ってじっくり確実にコードを読む
日々のタスクに忙殺されていると、ついつい既存コードを流し読みして、ざっと動くコードを書いてしまいたくなります。 一発でうまく動けば短期的にはいいのですが、長期的にはコードの理解が追いつかなったり、一発でうまく動かなかった場合にかえって時間がかかってしまいます。 VSCode の拡張機能である Code Tour を使うと、コード上にメモを残しながら読み進めることができるので、既存のコードを読む際に便利です。 Code Tour とは VSCode の拡張機能で、コード上にメモを残しつつ、そのメモをたどることができるツールです。 使い方 ツアーを始める コマンドパレットから「Code Tour: Record Tour」を選択すると、ツアーの記録モードになります。 ツアーの名前 どのソースに紐づけるか（紐付けなし、ブランチ、タグ） を選択すると、リポジトリ直下に .tours/${指定したツ
RAGの性能を改善するための8つの戦略 | Fintan
近年、OpenAIのGPT-4やGoogleのGemini、MetaのLLaMAをはじめとする大規模言語モデル（Large Language Model：LLM）の能力が大幅に向上し、自然言語処理において優れた結果を収めています[1][2][3]。これらのLLMは、膨大な量のテキストデータで学習されており、さまざまな自然言語処理タスクにおいて、タスクに固有なデータを用いてモデルをファインチューニングすることなく、より正確で自然なテキスト生成や、複雑な質問への回答が可能となっています。 LLM-jp-eval[4]およびMT-bench-jp[5]を用いた日本語LLMの評価結果。Nejumi LLMリーダーボード Neoより取得。 大規模言語モデルは近年急速な進歩を遂げていますが、これらの進歩にもかかわらず、裏付けのない情報や矛盾した内容を生成する点においては依然として課題があります。たとえ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
