話題のmicrogptを早速試してみる
2月12日にkarpathy氏がGistに投稿した以下のmicrogptをご存知でしょうか。 この記事を執筆してる時点で一週間が経過していますが、なおも修正が行われているこれは、GPTの構造をPythonで簡易的に実装したソースコードになります。GPTの構造を理解するのにも役立つ内容となっており、その行数は最新（2/18 11時時点）で、200行という短さです。 加えて、プログラムファイルの先頭にあるDocstringの通り、Pythonの標準ライブラリのみを使用して実装が行われているため、他の複雑なライブラリを理解することなく、たった200行でGPTを知ることができる内容だということです。すごいですね。 The most atomic way to train and run inference for a GPT in pure, dependency-free Python. 2/2
DSPyの基礎と構成（プログラムの実行と最適化）
はじめに 今回は、DSPyの基本的な構成とその使い方について記事にしました。 以下の流れで解説していきます。 1. DSPyとはなにか 2. DSPyの構成要素（それぞれの使い方と概要） 3. DSPyの構成（プログラムとコンパイル） 4. 複数あるLLMとシグネチャの設定方法について 5. プログラムとコンパイル（プロンプトの最適化）の実行例 DSPy（ドキュメント） DSPy（Github） 作業環境（バージョン） Python： 3.11 DSPy： 3.1.2 DSPyとは DSPy（Declarative Self-improving Python）はLLMアプリケーションを構築するフレームワークの一つです。名前の通り 宣言的(Declarative) な設計で 自己改善(Self-improving) を行うことができます。 「・・・えっ、何が宣言的なの？自己改善ってなに？？」
GitHub - google/budoux
Standalone. Small. Language-neutral. BudouX is the successor to Budou, the machine learning powered line break organizer tool. It is standalone. It works with no dependency on third-party word segmenters such as Google cloud natural language API. It is small. It takes only around 15 KB including its machine learning model. It's reasonable to use it even on the client-side. It is language-neutral.
Pythonを書くなら、Ruffのルールページは最高の教材だと思う（AI時代の学び方）
この記事は LayerX Tech Advent Calendar 2025 23日目の記事です。 Ai Workforce事業部 プロダクト部 FDEグループ エンジニアの 堤 です。 本記事では、プログラムを書き始めたばかりの頃に Pythonの静的解析ツールである Ruff のエラー修正を通じて学んだ経験と、それを踏まえて作った ruff-tutor-mcp というMCPサーバー、そしてAIコーディング時代の学び方について書きたいと思います。 最近、エンジニアのみなさんはコーディングエージェントを使っているのではないでしょうか。特に、Claude Codeがリリースされてからその流れが加速したように感じます。私自身も、特にClaude Opus 4.5が出て以来、本当に自分でコードを書くことが減りました。Claude Codeにコンテキストとして与える要件をマークダウンで書く時間が圧
[Browser Use] 触ってみた結果と感想
# 必要なライブラリをインポート from langchain_openai import ChatOpenAI # OpenAIのチャットモデルを利用するためのライブラリ from browser_use import Agent # エージェント機能を提供するライブラリ import asyncio # 非同期処理を使うためのライブラリ # 非同期関数mainを定義 async def main(): # Agentのインスタンスを作成 agent = Agent( task="Zennで小倉さんというユーザーの最新記事を教えて", # エージェントに対するタスク（質問） llm=ChatOpenAI(model="gpt-4o", api_key="xxxxxxxxxxxxxx"), # GPT-4oモデルを使う（APIキーは仮の値） ) # エージェントにタスクを実行させ、その結果
![[Browser Use] 触ってみた結果と感想](https://cdn-ak-scissors.b.st-hatena.com/image/square/27a6a4206c6ccf3936294efcfba85be9ce922f90/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fres.cloudinary.com%2Fzenn%2Fimage%2Fupload%2Fs--41ff8_pi--%2Fc_fit%252Cg_north_west%252Cl_text%3Anotosansjp-medium.otf_55%3A%25255BBrowser%252520Use%25255D%252520%2525E8%2525A7%2525A6%2525E3%252581%2525A3%2525E3%252581%2525A6%2525E3%252581%2525BF%2525E3%252581%25259F%2525E7%2525B5%252590%2525E6%25259E%25259C%2525E3%252581%2525A8%2525E6%252584%25259F%2525E6%252583%2525B3%252Cw_1010%252Cx_90%252Cy_100%2Fg_south_west%252Cl_text%3Anotosansjp-medium.otf_37%3A%2525E5%2525B0%25258F%2525E5%252580%252589%2525E3%252581%252582%2525E3%252582%252593%252520%252Cx_203%252Cy_121%2Fg_south_west%252Ch_90%252Cl_fetch%3AaHR0cHM6Ly9zdG9yYWdlLmdvb2dsZWFwaXMuY29tL3plbm4tdXNlci11cGxvYWQvYXZhdGFyL2FhZTc3ZDA0MzcuanBlZw%3D%3D%252Cr_max%252Cw_90%252Cx_87%252Cy_95%2Fv1627283836%2Fdefault%2Fog-base-w1200-v2.png)
PythonでAIシミュレーションプラットフォームOpen AI Gym を利用して遊ぶ (DQN編) - Qiita
どうも、オリィ研究所(http://orylab.com/) の ryo_grid こと神林です。 今回はOpen AI Gymで遊んでみたので、それについて書いてみます。 Open AI Gym (https://gym.openai.com) とは AI開発者が自分のAIを動かすことのできるシミュレータを提供してくれる環境です。 Python向けにはライブラリを提供しています。 AI GymによりAI開発者やAI研究者はAIの学習ロジックの研究開発に専念でき、その可視化やシミュレーションを行う手間が省けます。また、同じシミュレーションを複数のユーザが競い合って解いているので、参加者全体でのアルゴリズムの性能向上が期待されます。 主なターゲットは強化学習によって構築されるAIです。Deep Q-Learning Network(DQN)を代表とする深層強化学習と呼ばれる手法が少し前から話
1
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
CodeAct in Agent Framework: Faster Agents with Fewer Model Turns | Microsoft Agent Framework
browser-use やばいです - Qiita