導入 こんにちは、株式会社ナレッジセンスの須藤英寿です。 今回は、RAGの文書の検索精度を既存のシステムに付け加える形で、精度を引き上げることのできるRRA(Rational Retrieval Acts)について紹介します。 サマリー RAGの検索は、Embeddingを用いた検索と登場する単語の重要度を用いた検索(以降「疎なベクトル検索」)の両方を用いることがあります。後者の疎なベクトル検索は未知の語彙や、検索対象のドキュメントに依存する検索で効果を発揮する手法です。 RRAは既存の疎なベクトル検索の後処理として動作するシステムで、ベクトルの重みづけを文書全体の情報を元に調整することで精度を上げる手法となっています。RRAは非常に汎用的な手法なため、あらゆる疎なベクトル検索の後処理として付け加えることでき、さらに検索精度を上げることに成功しています。 従来の疎なベクトル検索とその課題

はじめに こんにちは一史です。 先日神代植物公園に行きました、まだ藤の花が残っておりとても綺麗で癒されました。 昨今、開発支援のAIエージェントとしてClineが話題になっています。 github.com ClineはVisual Studio Code(VSCode)の拡張機能であり、単なるコード生成だけでなく、コマンド実行や動作確認・デバッグまでを一貫して行ってくれる点が特徴です。 Clineは任意の生成AIモデルを指定し、コードを生成させることができます。 このためセキュアで実際の開発現場でも活用されるAmazon Bedrockと組み合わせることでビジネスシーンでの活用も可能となります。 今回、LLMとしてBedrockを利用して、CRUD処理を行うアプリを開発できるか、TODOアプリ作成を題材に試していきます。 はじめに 概要 Clineとは？ Amazon Bedrockを使う

はじめに OpenTelemetryは、計装を通じてオブザーバビリティを向上させるためのツールです。 OpenTelemetryで計装を行うと、収集したデータはOpenTelemetry Collectorやバックエンド（MackerelやJaeger）に送信されます。 送信されるメトリックやトレースなどのデータは、まとめてシグナルと呼ばれます。 OpenTelemetryの計装は簡単ですが、シグナルを深く理解することで、OpenTelemetryをより効果的に活用できるようになります。 この記事では、Mackerelチームでアプリケーションエンジニアをしている id:mrasu が、OpenTelemetryのシグナルについてProtocol Buffersの定義と計装を深堀りしていきます。 はじめに シグナルの送信 Protocol Buffersでの定義 Protocol Buffe

MCP logo ©︎ 2024–2025 Anthropic, PBC and contributors | MIT license はじめに 本記事は、セキュリティエンジニアのAzaraこと齋藤とコーポレートセキュリティエンジニアのhamayanhamayanが、社内で行ったディスカッションを元に記述した記事です。 本記事は、MCP の利活用の際に考えるべき、セキュリティに関する考慮事項や、脅威の想定、実装時気にすべき観点などについてまとめたシリーズの前編になります。前編では、MCPに関する基本的な事項を扱いながら、利用者側の目線でMCPに対するセキュリティを考えていきます。社内での利活用の際に参考になれば幸いです。 また、GMO Flatt Securityは日本初のセキュリティ診断AIエージェント「Takumi」や、LLMを活用したアプリケーションに対する脆弱性診断・ペネトレーショ

NTTドコモは、オンライン辞書サービス「goo辞書」を6月25日午後1時に終了すると発表した。公式サイトで5月14日に案内した。終了の理由は明らかにしていない。 goo辞書は1999年、当時のエヌ・ティ・ティ エムイー情報流通が提供を開始。英和・和英辞典や国語辞典、類語辞典などを無料で横断検索できる、ポータルサイトgoo内のサービスとして親しまれてきた。04年にはNTTレゾナント（2023年7月1日にドコモが吸収合併）が承継。現在はNTTドコモが運営している。 NTTドコモは「突然のお知らせとなりますことを深くおわび申し上げるとともに、1999年より長きに渡りご愛顧いただきましたこと、心より御礼申し上げます」とコメントしている。 関連記事 「goo地図」サービス終了　23年の歴史に幕 「goo blog」と「教えて!goo」、今秋サービス終了へ　20年以上の歴史に幕 NTTドコモが運営する

CursorやClineなどで生成AIを使ってコーディングをしていると、Reasoningモデルとか、Thinkingモードとか、そういったワードに出会うことが多い。これらが意味することについて理解できてないと感じていた。 何かを学ぶとき、資料を読むだけではなく手を動かしてみると理解が早くなる。そこでChatGPTのDeep Researchでハンズオン資料を作り、それを元に学ぶと効率が良いのではないかと考えた。今回の記事ではハンズオンの作成と実施の過程をまとめておく。 ハンズオン資料をDeep Researchで作る 次のように質問してDeep Researchでハンズオン資料を作る。 すると https://chatgpt.com/share/6819d686-5ae0-8010-8196-d532528dc82a のような資料が作られた。 序文 実験の章の一部 見出しはこういう感じ。

今日は2025年5月13日です。ちょっとだけ大ピンチです。『ロマンシング サガ2 リベンジオブザセブン』をまだクリアしていないのに『RAIDOU Remastered: 超力兵団奇譚』というゲームを予約注文してしまいました。発売日は6月19日です。それまでに『ロマンシング サガ2 リベンジオブザセブン』をクリアしなくては、いけません。これは仕事してる場合じゃないっすね！そんな半分本気な冗談を言ったところで今回もゆるく行ってみましょう。超不定期連載「分かりそう」で「分からない」でも「分かった」気になれるITコラムでございまぁす。このコーナーでは、各用語の説明ページでは取り上げにくいIT関連のネタをテーマに、だらだらと思いついたことを書いていきます。みなさんが「あぁ、なんか役に立ちそうな気もするけど、役に立たないかなぁ。でも、もしかしたら役に立つかも」と思える情報を発信できるように頑張ります！

「アーキテクチャ」に対する一般的なイメージ インフラ設計図のような青写真──機能やデータがどこに配置され、どう結び付くかを俯瞰で示す全体像。 システムの骨格とルール──技術スタックやモジュール分割、データフローなど「こう作るべき」を規定する枠組み。 将来への建築基準──性能・安全性・保守性を支え、変更や拡張の自由度を左右する長期的な基盤。 「アーキテクチャ」の本質的な意味 建築から哲学、テクノロジーまで幅広い分野で使われ、人間の行動様式や社会関係を規定する重要な要素となっている。 建築物が人の動きを決めるように、社会制度やテクノロジーのアーキテクチャも私たちの行動や権力関係に影響を与えている。 ローレンス・レッシグのアーキテクチャ アーキテクチャは、人々の行動を規制する4つの力(法、社会規範、市場、アーキテクチャ)の1つとして定義される 「ある選択肢を選びやすく/選びにくくする」 という性

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? これは何の記事か⇒「Cursorで詳細設計からガントを作る記事です」 Cursor というのはもともと AI コーディングツールですが、もしかしてプロジェクトマネジメント（以下、PM）の現場に持ち込めるんじゃないか？という手ごたえからあれこれと手出しをし始めました。 早い話、以下の前回記事でつくった詳細設計書ファイルを指定ディレクトリに突っ込んでおいて、それでスケジュール作らせてしまえ、という乱暴な話です。 （前回）「Cursorで詳細設計を簡単にした」の記事はこちら 当然、「ツールに仕事を任せ切る」ことの危うさは身に染みています。それ

行く先々で「うちの会社にはいないタイプだよね」と言われるが、本人はそんなこともないと思っている。愛知県出身。むかない安藤。（動画インタビュー） 前の記事：手をあげて横断歩道を渡る ＞ 個人サイト むかない安藤 Twitter ＞ライターwiki どこが一階なのかわからない駅、戸塚 東海道線のJR戸塚駅を利用したことがある人にはわかってもらえると思うのだけれど、あの駅ってどこが一階なのかわからなくないだろうか。 自分が一階にいるのか地下にいるのかわからなくなるんです 地表に出ても道が立体的に交差していて自分が何階にいるのかわからないありさま 新宿駅なんかもいろんな路線が立体的に乗り入れているのでわかんなくなるのだけれど、戸塚駅の場合は駅周辺の地形からしてちょっと複雑なことになっている。 戸塚駅にかぎらず、横浜のこのあたりは山を一生懸命に切り拓いて人が住み着いた感じがしてロマンチックなのである

EXPO2025 万博マニアックマップ by OpenStreetMap

RAGで使われる検索システムでは、テキストデータを対象とすることが多いですが、実際の文書には画像として重要な情報が含まれることも多くあります。これを踏まえ、LLMを用いて画像をテキスト化し検索できるようにする試みがありますが、人物写真や背景画像など本文との関連性が低い画像まで対象にするとノイズとなる課題がありました。以下、パワポなどに含まれる関連性の低い画像の例です。 UnsplashのMapboxが撮影した写真 そこで、本記事ではドメインに関連する画像（今回はグラフとワークフローとする）だけを選別するために、ラベル付きデータがなくても活用可能なゼロショット画像分類を導入し、分類後にLLMによってテキスト化・構造化するパイプラインを試してみます。全体像は次の図のとおりです。 全体像 ゼロショット画像分類 画像の分類をする方法はいくつかありますが、ここではゼロショット画像分類を使います。ゼロ

本記事はAzureサポートの残念な点を挙げることにより、これからAzureを使おうと思っているユーザへ Azureはやめとけ と注意喚起する記事です。 Azureのサポートプラン Azureサポートには主に以下4種類のサポートプランがあります。 そもそもの趣旨としてAzureの使用を勧めていないのですが、どうしてもAzureを使用する場合はサポートプランは Developerプラン を推奨します。 上位のプランははっきり言って 金の無駄 です。 この記事を読んでいただければ理解いただけると思います。 重大度はユーザ側が問い合わせ時に選択します。 事業へ大きく影響する問題は重大度A、事業へそれなりに影響する問題は重大度B、事業への影響が小さい問題は重大度Cを選択といった具合です。 プラン Basic Developer Standard Professional Direct

前回までの連載のあと、2023年秋に『Obsidianで"育てる"最強ノート術』を刊行しました。そして2025年になって、Obsidianが大きく注目を集めています。今回はその背景と理由について解説します。 AIとの連携 ObsidianはノートアプリやPKM（Personal Knowledge Management）ツールとして注目を集めました。主な特徴として、この連載でも解説してきた次のことが挙げられます。 ローカル環境で動作する Markdownで書いたノートをリンクできる 階層型のタグで管理できる プラグインで拡張できる そんな中、2025年になって注目された背景として、「⁠AI（人工知能）との連携」があります。ここでは「生成AIの進化」「⁠RAGとMCPの登場」「⁠AIエージェントの登場」という3つの視点から紹介します。 生成AIの進化 2022年末にChatGPTが公開されて

もう全人類128GBとか512GBとか載ったMacを手にいれてクソデカモデルを試すようになっていますね。 ぼくもMac Studio 512GBを1日借りてて試したのだけど、Llama4がなんだかんだで強いという印象でした。 クソデカモデルの選択肢としては次のようなものがあります。512GB Macで動かしたときの数字も参考までに。 モデル パラメータ数 アクティブ コンテキスト長 マルチモーダル 量子化 推論速度 LLama4 Maverick 400B 17B 1M 〇 4bit 36tok/sec Llama4 Scout 109B 17B 10M 〇 8bit Qwen3 235B A22B 235B 22B 128K × 8bit 18tok/sec DeepSeek V3 671B 37B 128K × 2bit 17tok/sec で、試すんだけど、Llama4 Maveri

■iPadとも相性がよい NotebookLMは、現時点ではアプリで提供されておらず、ブラウザからWebサービスにアクセスする必要があります。PCから大画面表示でアクセスするのと比べれば、若干使い勝手は落ちますが、3つのパネルはタブとして切り替えられるため、画面表示領域の限られたコンパクトなiPadでも比較的使いやすいと言えます。 ソースのアップロード方法に関しても、「ファイル」アプリや「Googleドライブ」などからデータを選択できるので、iPadのタッチ操作であっても特段問題ありません。

Need Help? US & Canada: +1 800 678 4333 Worldwide: +1 732 981 0060 Contact & Support About IEEE Xplore Contact Us Help Accessibility Terms of Use Nondiscrimination Policy Sitemap Privacy & Opting Out of Cookies A not-for-profit organization, IEEE is the world's largest technical professional organization dedicated to advancing technology for the benefit of humanity. © Copyright 2023 IEEE - All rig

Slackに疲れた研究者のためのMatrix入門 分散型チャットプロトコルがもたらす柔軟で持続可能な研究コミュニケーション 複数の国際共同研究や学際的なプロジェクトに関わっていると、Slackのワークスペースが次第に増え、管理が煩雑になります。 誰かにDMを送ろうとしても、まずどのワークスペースかを思い出す必要があり、通知も分断されがちです。 こうした問題に対して、私は最近 Matrix + Element に移行しました。分散型プロトコルであるMatrixは、研究者のコラボレーションに非常に相性が良いと感じています。本記事ではその特徴と活用方法を紹介します。 始めるには？ https://element.io https://element.io/download ダウンロードページからクライアントアプリをダウンロードして起動、matrix.orgにアカウントを作る。もしくは、ダウンロー