生成されたAIビジネス、OpenAIと「AGIというナラティブ」
生成されたAIビジネス、OpenAIと「AGIというナラティブ」 2025.02.18 Updated by yomoyomo on February 18, 2025, 11:40 am JST AI Now Instituteは、マイクロソフトリサーチの主席研究者だったケイト・クロフォードと、Googleに所属していたメレディス・ウィテカーによって2017年に設立された、人工知能の社会的な影響を研究し、政策戦略を策定する研究機関です。ここは、ティムニット・ゲブルが設立したDAIR Institute、ダナ・ボイドが設立したData & Societyといった他の研究機関とも提携していますが、これらの研究機関の創始者が軒並み女性というところに、「先鋭化する大富豪の白人男性たち、警告する女性たち」で書いた構図が見てとれるように思います。 さて、そのAI Nowには、「テクノ楽観主義者からラ
グーグルの新技術「タイタン」はAIに人間並みの記憶を与える | Forbes JAPAN 公式サイト（フォーブス ジャパン）
7年前と7カ月前、グーグルはTransformer（トランスフォーマー）アーキテクチャを世に送り出した。これはOpenAIのChatGPTなど、生成AIアプリケーションの中心にある技術だ。 そして今、グーグルは新たに「Titans（タイタン）」と呼ばれるアーキテクチャを公開した。これはトランスフォーマーを直接進化させたもので、人間のように考えるAIに一歩近づくとされている。 トランスフォーマーアーキテクチャには長期記憶が存在しないため、人間の思考において本質的に重要な、長期間にわたって情報を保持し活用する能力が制限されている。一方、タイタンは短期記憶に加えてニューラル長期記憶と「驚き」に基づく学習システムを導入している。それらは、予想外または重要な出来事を記憶する上で、人間が使っている仕組みに近い。 簡単に言えば、トランスフォーマーは「アテンション機構」と呼ばれるスポットライトのような仕組
DeepSeek-R1の論文読んだ？【勉強になるよ】
本記事は、DeepSeek-R1の論文とDeepSeekMathの論文を読んだ私の理解をもとに記載しています。 本論文で使われている技術に関しては、ある程度の知識を持っているので、大きくは外していないとは思いますが、私の主観も入っている部分もありますので、ご了承ください。 また、DeepSeek-R1の論文が公開される前に、小型モデルに対して同様の実験（強化学習）をしていたグループがあるようです。 そちらのレポートは下記になります。 意図せず、DeepSeek-R1-Zeroの再現実験のようなレポートになっていますが、レポートの著者はDeepSeek-R1論文の公開前から実験していると主張しています。 こちらも非常に興味深かったため紹介です。 本論文の興味深いところ 本論文は、大きく分けて3つの構成でできています 強化学習による思考能力の強化 LLM（DeepSeek-V3-Base）に対
AutoGen v0.4: Advancing the development of agentic AI systems
Over the past year, our work on AutoGen has highlighted the transformative potential of agentic AI and multi-agent applications. Today, we are excited to announce AutoGen v0.4, a significant milestone informed by insights from our community of users and developers. This update represents a complete redesign of the AutoGen library, developed to improve code quality, robustness, generality, and scal
Magentic-One: A Generalist Multi-Agent System for Solving Complex Tasks - Microsoft Research
By Adam Fourney, Principal Researcher; Gagan Bansal, Senior Researcher; Hussein Mozannar, Senior Researcher; Victor Dibia, Principal Research Software Engineer; Saleema Amershi, Partner Research Manager Contributors: Adam Fourney, Gagan Bansal, Hussein Mozannar, Cheng Tan, Eduardo Salinas, Erkang (Eric) Zhu, Friederike Niedtner, Grace Proebsting, Griffin Bassman, Jack Gerrits, Jacob Alber, Peter C
型安全かつシンプルなAgentフレームワーク「PydanticAI」の実装を解剖する - ABEJA Tech Blog
はじめに こちらはABEJAアドベントカレンダー2024 12日目の記事です。 こんにちは、ABEJAでデータサイエンティストをしている坂元です。最近はLLMでアプローチしようとしていたことがよくよく検証してみるとLLMでは難しいことが分かり急遽CVのあらゆるモデルとレガシーな画像処理をこれでもかというくらい詰め込んだパイプラインを実装することになった案件を経験して、LLMでは難しそうなことをLLM以外のアプローチでこなせるだけの引き出しとスキルはDSとしてやはり身に付けておくべきだなと思うなどしています（LLMにやらせようとしていることは大抵難しいことなので切り替えはそこそこ大変）。 とはいうものの、Agentの普及によってより複雑かつ高度な推論も出来るようになってきています。弊社の社内外のプロジェクト状況を見ていても最近では単純なRAG案件は減りつつあり、計画からアクションの実行、結果
OpenAIの新しいマルチエージェント用フレームワークSwarmを試す｜はち
Google ColabでSwarmを試したのでまとめました。 1. SwarmOpenAIが新しくマルチエージェント構築のためのフレームワークを作り始めました。まだ実験的なフレームワークで、本番環境での使用を想定していないようで、今の所かなりシンプルな仕組みに見えます。 エージェントの調整と実行を軽量で、制御性が高く、テストしやすいものにすることに重点を置いているようです。 2. Google Colabで実行してみる2.1 実行準備ライブラリのインストール !pip install git+https://github.com/openai/swarm.gitOPENAI_API_KEYを環境変数として設定。（SwarmはOpenAI APIを使うので必要） import os from google.colab import userdata os.environ["OPENAI_A
Launching Long-Term Memory Support in LangGraph
Today, we are excited to announce the first steps towards long-term memory support in LangGraph, available both in Python and JavaScript. Long-term memory lets you store and recall information between conversations so your agent can learn from feedback and adapt to user preferences. This feature is part of the OSS library, and it is enabled by default for all LangGraph Cloud & Studio users. Memory
Leaked meta prompt, seen at https://x.com/amebagpt/status/1841177927569838519
openai_meta.txt ��ʮ�U �5���U Understand the Task: Grasp the main objective, goals, requirements, constraints, and expected output. - Minimal Changes: If an existing prompt is provided, improve it only if it's simple. For complex prompts, enhance clarity and add missing elements without altering the original structure. - Reasoning Before Conclusions: Encourage reasoning steps before any conclusions
RAGに関する主要な論文を時系列順にまとめていく(2024年度版)｜R
RAGに関する主要な論文まとめていきます。(過去の分含めて随時更新予定) 見つけたものからまとめているので、最新の2024年以降の論文多めです。 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks(22/05/2022) 一言紹介❓ LLMって、事前学習された知識に関しては答えてくれるけど、最新のニュースだったり、専門的な情報や組織固有の情報には対応できないよなぁ 💡 外部知識をLLMに検索させよう!→RAGの誕生 Abstract日本語訳大規模な事前学習済み言語モデルは、そのパラメータに事実知識を蓄積し、下流の自然言語処理（NLP）タスクに微調整されたときに最先端の成果を達成することが示されています。しかし、知識をアクセスして正確に操作する能力は依然として限られており、知識集約型タスクでは、タスク固有のアーキ
Language and Robotics 研究会
2017-2019頃に活動しており、コロナ以降休止していたLanguage and Robotics研究会 (LangRobo研究会)を再開する運びとなりました。 自然言語処理分野とロボティクス分野の近年の融合と発展は著しく、身体を持つエージェントが人間と自然言語でコミュニケーションしながら環境内を動いたりといった研究も両分野において多く見られるようになってきました。言語におけるロボティクスの導入やロボティクスにおける言語の導入の価値は今後も高まっていくことが期待されます（詳しくは文献[1]をご覧ください）。 LangRobo研究会は、今後の自然言語処理とロボティクスの融合をどのように進めていくのが良いかを議論する交流の場として活動していきます。 [1] Survey on frontiers of language and robotics 参加受付（connpass） 開催日：2023
【LLM論文を読む】人間的なエピソード記憶を持つコンテキスト無限のLLM - ローカルLLM自由帳
言語モデルの「記憶」を管理する方法としては、１）追加学習や知識編集によってLLM自体の知識更新を試みる方法と、２）外部の記憶データから必要情報を適時検索してモデルに渡す方法、の2つの方向性があります。 この論文は後者の系統に属する研究で、人間のエピソード記憶のあり方を参照し、外部データを効果的に整理・検索することを目指した研究のようです。 タイトルは"Human-like Episodic Memory for Infinite Context LLMs"で、Huaweiの研究所とUCLの研究者らによって2024年7月に投稿されています。 arxiv.org 要旨 大規模言語モデル（LLM）は目覚ましい能力を示しているが、広範なコンテキストの処理にはまだ苦戦しており、長いシーケンスにわたって一貫性と正確さを維持する能力には限界がある。これとは対照的に、人間の脳は、生涯にわたる膨大な時間スケ
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
GitHub - MuhammadAhsaanAbbasi/generative-ai
AutoGen | AutoGen
Adaptive RAG using local LLMs
How to Use FastAPI for Machine Learning | The PyCharm Blog
Announcing EAP for Vector Support in Azure SQL Database - Azure SQL Devs’ Corner
Home - Crawl4AI Documentation
Brain-inspired design for more capable and sustainable AI
GitHub - Cinnamon/kotaemon: An open-source RAG-based tool for chatting with your documents.
