タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
評価の満足度を劇的にあげた秘訣。Continuous Feedbackのすすめ | メルカリエンジニアリング
誰向けの記事？ EM（Engineering Manager）の方に向けた記事です。 ただ、一般的な評価者全般にあてはまる内容を書いているので、評価を行う方なら誰でも参考にできると思います。 評価をする側ではないけど、どんな気持ちで自分のマネージャーが評価しているのか知りたい！といったエンジニアの方にも楽しんでいただけるかもしれません。 要約 メルカリエンジニア組織で、評価の負荷を削減しつつ、品質をあげるために、「Continuous Feedback」という仕組みを導入しました。 Continuous Feedbackは、通常よりも高い頻度でフィードバックを行うことで、負荷分散や、フィードバックサイクルの高速化などをはかる手法です。 導入した結果、評価に対する満足度や、評価を自身の成長に使えてると感じるようになったメンバーがとても増えました。現在では多くのEMの方が、評価に利用してくれて
Feature #18481: Porting YJIT to Rust (request for feedback) - Ruby master - Ruby Issue Tracking System
TL;DR: The YJIT team wants to explore using Rust to help develop YJIT. The rest of CRuby will continue to build without Rust tools and building YJIT will remain optional. We’re currently exploring the possibility of porting YJIT to Rust and working on a small proof of concept that should be ready next month. The motivation behind this is that we are facing challenges in terms of code maintainabili
Google CEO tells employees productivity and focus must improve, launches 'Simplicity Sprint' to gather employee feedback on efficiency
Google CEO tells employees productivity and focus must improve, launches 'Simplicity Sprint' to gather employee feedback on efficiency Published Sun, Jul 31 202211:10 AM EDTUpdated Mon, Aug 1 20224:13 PM EDT Google CEO Sundar Pichai announced to employees Wednesday a new effort called "Simplicity Sprint," which will solicit ideas from its more than 174,000 employees on where to focus and improve e
【WebGL2】GPU Instancing x Transform Feedback で大量のインスタンスの計算と描画をGPUで行う - KAYAC engineers' blog
~ このエントリは 【カヤック】面白法人グループ Advent Calendar 2023 の22日目の記事です。~ こんにちは！ハイパーカジュアルゲームチームの深澤です。 WebGL2において GPU Instancing でメッシュを大量に表示しつつ、Transform Feedback を使ってインスタンスごとの情報計算もGPUに任せてみたいと思います。 ↓ デモはこちらになります。画像かURLから飛ぶことができます デモ: https://takumifukasawa.github.io/webgl-transform-feedback-gpu-instancing/ ↓ リポジトリのURL github.com メッシュ1つあたりの頂点数は24です。描画色は、インスタンスごとの色をふまえて平行光源の拡散光だけ計算しています。 GPU Instancing を使っていて、ドローコー
We've Heard Your Feedback
I started as Heroku GM a few weeks ago with intense enthusiasm to be a part of such a storied team. As you might expect, the last few weeks have not been what I would have imagined. But, contrary to what you might expect, I’m energized. I’ve been deeply impressed by the skills and dedication of the Heroku team, and the commitment of Salesforce to Trust as our #1 value. I’m also energized because i
GitHub - lucidrains/PaLM-rlhf-pytorch: Implementation of RLHF (Reinforcement Learning with Human Feedback) on top of the PaLM architecture. Basically ChatGPT but with PaLM
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
GitHub - labmlai/annotated_deep_learning_paper_implementations: 🧑🏫 60 Implementations/tutorials of deep learning papers with side-by-side notes 📝; including transformers (original, xl, switch, feedback, vit, ...), optimizers (adam, adabelief, sophia,
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
GitHub - PayDevs/awful-oss-incidents: 🤬 A categorized list of incidents caused by unappreciated OSS maintainers or underfunded OSS projects. Feedback welcome!
In the beginning developing OSS is often great for the maintainer - there are no constraints on the tech or features, only few bugs exists, the maintainer can work as and when they want, there are only their own expectations to fulfill, and the few users appreciate the project. Furthermore, working on the open-source project helps them to sharpen their skills, build a reputation for themselves, ga
Illustrating Reinforcement Learning from Human Feedback (RLHF)
This article has been translated to Chinese 简体中文 and Vietnamese đọc tiếng việt. Language models have shown impressive capabilities in the past few years by generating diverse and compelling text from human input prompts. However, what makes a "good" text is inherently hard to define as it is subjective and context dependent. There are many applications such as writing stories where you want creati
Listening to Developer Feedback to Improve Google Play
Posted by Sameer Samat, Vice President, Product Management Developers are our partners and by pairing their creativity and innovation with our platforms and tools, together we create delightful experiences for billions of people around the world. Listening carefully to their feedback is an important part of how we continue to make Android better with each release and improve how mobile app stores
GitHub - oss-gate/first-feedback-guidebook: OSS Gateワークショップ参加者の方からよく寄せられる疑問への回答を元にした、初めてのフィードバックの手引き
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Kaggle のコンペティション、Feedback Prize - English Language Learningが終わり、約2650チーム中15位で金メダル取得となった。これで合計金メダル2つ、銀メダル1つを取得し、Kaggle Competitions Master の条件を満たし、コンペを始めた当初目指していた Master の称号を年内にとることができた。自分一人ではこの結果にはならなかったと思うので、チームメンバーの@masakiaota氏、@olivineryo氏に感謝だ。 Public LBではコンペ終了時に8位/2700チームの成績で金メダル圏内だったが、Public LB がLB全体の26%のデータでのスコア。スコア表示も小数点以下第二位まででLBのスコア表示がざっくりとしており、かつ我々のCVではかなり悪いスコアがPublic LB上ではやたら上位になったりとCV・
Making language models bigger does not inherently make them better at following a user's intent. For example, large language models can generate outputs that are untruthful, toxic, or simply not helpful to the user. In other words, these models are not aligned with their users. In this paper, we show an avenue for aligning language models with user intent on a wide range of tasks by fine-tuning wi
社内の勉強会で発表した資料になります。 Kaggleの「Feedback Prize - Evaluating Student Writing」コンペについての資料です。 工夫できる点や勉強になる点が多く、面白いコンペだったと思います。 コンペについての概要、自身の解法、上位解法のまとめ、加えてK…
RLHF（Reinforcement Learning from Human Feedback：人間のフィードバックからの強化学習）とは？
RLHF（Reinforcement Learning from Human Feedback：人間のフィードバックからの強化学習）とは？：AI・機械学習の用語辞典 用語「RLHF」について説明。人間のフィードバックを使ってAIモデルを強化学習する手法を指す。OpenAIのChatGPT／InstructGPTでは、人間の価値基準に沿うように、言語モデルをRLHFでファインチューニング（微調整）している。 連載目次 用語解説 RLHF（Reinforcement Learning from Human Feedback）とは、「人間のフィードバックからの強化学習」という名前の通り、人間の価値基準に沿うように、人間のフィードバックを使ってAI（言語）モデルを強化学習で微調整（ファインチューニング）する手法である。なお強化学習とは、フィードバック（報酬や罰）に基づいて学習する方法のことだ。 R
Request for developer feedback: customizable select | Blog | Chrome for Developers
Styling form controls like the <select> element has been reported as a top developer pain point for years, and we've been working on a solution. While this work is complex and has taken a long time to get right, we're getting very close to landing this feature. A customizable version of the select element is officially in Stage 2 in the WHATWG, with strong cross-browser interest and a prototype fo
GitHub - Codium-ai/pr-agent: 🚀CodiumAI PR-Agent: An AI-Powered 🤖 Tool for Automated Pull Request Analysis, Feedback, Suggestions and More! 💻🔍
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Give your users a voice! Let them submit new feature requests and vote on all feedback so you know what to build next.
5 ways to process feedback at work without triggering a stress response - Work Life by Atlassian
Crossed wires and missed connections – good communication among teams is tablestakes for effective teamwork. Get best practices and sound advice on how to create understanding and work together better.
"Item Recommendation from Implicit Feedback"の紹介 | | AI tech studio
AILab Creative Researchチームの富樫です。 このブログでは先月末にarxivに投稿された“Item Recommendation from Implicit Feedback”[1]という論文を軸に紹介しつつ、 周辺分野の話題について議論したいと思います。 この論文はitem推薦というタスクにおける手法の各種パラダイムの概観をコンパクトに解説した教科書的内容になっています。 著者はBayesian Personalized Ranking (BPR)[2]を開発したGoogle Research所属のSteffen Rendle氏であり、 長年この分野を開拓してきた権威の一人です。 元論文の内容は元論文を読めばわかることですし、 蛇足かもしれませんが、最近の研究との関連性や議論、個人的な感想などを示すことで、このブログが元論文に対する補足資料のようになることを目指した
Twitter Support on Twitter: "We’ve heard your feedback about our effort to delete inactive accounts and want to respond and clarify. Here’s what’s happening:"
We’ve heard your feedback about our effort to delete inactive accounts and want to respond and clarify. Here’s what’s happening:
Common Lisp VS Racket. Feedback from (common) lispers.
Common Lisp VS Racket - testimonies.md Developer experience, libraries, performance… (2021/11) I'll preface this with three things. 1. I prefer schemes over Common Lisps, and I prefer Racket of the Schemes. 2. There is more to it than the points I raise here. 3. I assume you have no previous experience with Lisp, and don't have a preference for Schemes over Common Lisp. With all that out of the wa
State Feedback Control: Design Gains using Pole Placement - 制御工学ブログ
This article summarizes state feedback control for systems expressed in state equation form. It particularly touches on gain design using pole placement methods and the relationship between pole placement and performance. At the end, you can find control simulations and related videos to watch together with this article. For an overview of state feedback control, see the following article: Summary
Learning to Rank with Implicit Feedbackに関するまとめ - Qiita
Unbiased Learning to Rankについて勉強したので、その内容についてまとめます。 本記事はSIGIR2019のTutorial SessionであるUnbiased Learning to Rank: Counterfactual and Online Approachesをベースにまとめております。 構成は、はじめに、Learning to RankをImplicitデータで行うことのメリットとデメリットについて述べます。 その後にデメリットを解決するための手法に関して、Counterfactual Learning to Rank, Online Learning to Rankのそれぞれを具体例を交えて説明します。 最後にCounterfactual Learning to RankとOnline Leaning to Rankの精度を比較した論文について紹介しま
Positive Feedback
Agile and Iterative Development: Lessons from 20 Years of Ninja-style Testing
GitHub - CarperAI/trlx: A repo for distributed training of language models with Reinforcement Learning via Human Feedback (RLHF)
You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
Victoria's Secret's CEO said the company was accused of 'scorching the earth' and 'spoiling' the brand after it ditched racy ads — but found the feedback was mostly from men
An icon in the shape of a person's head and shoulders. It often indicates a user profile.
Hot Reloading Rust — for Fun and Faster Feedback Cycles - Robert Krahn
August 4, 2022 Hot Reloading Rust — for Fun and Faster Feedback Cycles hot-lib-reloader allows to change Rust code on the fly without restarts. It works on Linux, macOS, and Windows. For why, how it works and, how to use it (as well as the limitations of this approach) read the post below. Development with Rust can be a lot of fun and the rich type system in combination with good tooling such as r
トラックシミュレーターゲームを本格的に楽しむことができる ステアリングコントローラーのセットが登場。 『ユーロトラックシミュレーター2』と『アメリカントラックシミュレーター』の Steam版ダウンロードコードが同梱。
As language models become more powerful, training and evaluation are increasingly bottlenecked by the data and metrics used for a particular task. For example, summarization models are often trained to predict human reference summaries and evaluated using ROUGE, but both of these metrics are rough proxies for what we really care about -- summary quality. In this work, we show that it is possible t
Skypack Quality Score: Actionable feedback to build better packages - Skypack Blog
The npm package registry is famously lax when it comes to package quality. You can publish your package using any module format that you’d like (CJS, ESM, UMD, etc). You can skip the package description, author information, documentation, and even the license and npm won’t complain. It’s even possible (and in some ways, easier) to build a package with no link to the original source repository at a
A Method to Anonymize Business Metrics to Publishing Implicit Feedback Datasets (Recsys 2020) 読んだ - 糞糞糞ネット弁慶
論文 Gunosy と理研AIPの論文． 企業が持つ implicit feedback のデータを公開するためには アクティブユーザ数や収益や平均クリック数といった business metric を隠したい 公平性を担保したい Population Bias を減らしたい という三つの気持ちがある． 今回はログ中のユーザをサンプリングして公開用データを構築するわけですが，ユーザごとにサンプリング時の重み w を推定する問題として定式化する． この時 business metric を隠すために，サンプリング後のクリック数の分布と特定の分布 (zipf など) との Wasserstein distance を取る 公平性のためにサンプリング後のユーザの属性の分布と uniform distribution との KL divergence Population Bias 対策でサンプリ
ネイティブプラグインを書かずにUnity製のアプリにHaptic Feedback(振動)を実装する【iOS】【Unity】【アセット】 - (:3[kanのメモ帳]
この記事でのバージョン Unity 2020.3.25f1 はじめに Apple製品にはHaptic Feedbackというちょっとリッチな振動をさせる機能があります。 もちろん、iPhone等のiOS端末にも付いてる機能なのですが、 残念ながらUnityは対応しておらず、使うにはネイティブのプラグインを書く必要があります。 という事で今回は、公開される無料のライブラリやアセットを使って ネイティブプラグインを書かずにUnity製のアプリにHaptic Feedback(振動)を実装する方法の紹介です！ Haptic Feedback 早速ですが今回はUnity-HapticFeedbackという物を使います。 導入はGitHubからZipをダウンロードしてきて解凍、 Pluginsディレクトリの下に追加するだけ。 後はC#で以下のようなコードを書くとiOS実機で振動するようになります。
![ネイティブプラグインを書かずにUnity製のアプリにHaptic Feedback(振動)を実装する【iOS】【Unity】【アセット】 - (:3[kanのメモ帳]](https://cdn-ak-scissors.b.st-hatena.com/image/square/7a62e0789acb385931dd8725516f8cc8a55d4e66/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkan_kikuchi%2F20220326%2F20220326071327.png)
One Place For Any ContentCollect likes, reactions, suggestions, messages for your articles, blog posts, documentation guides, or for your website as whole Getting started Content Performance At A GlanceCheckout aggregate data by period, by volume and get a quick overview on user sentiment about your content Getting started Any Signal, Any Data FormatFrom simple pulse count to up/down-votes, from r
Elon Musk on Twitter: "@PepitoTheCat @BillyM2k @ericnakagawa Responding to feedback, Twitter will enable a light, write-only API for bots… https://t.co/d9ubKzc09U"
@PepitoTheCat @BillyM2k @ericnakagawa Responding to feedback, Twitter will enable a light, write-only API for bots… https://t.co/d9ubKzc09U
本日終了したKaggleのコンペ、Feedback Prize - Predicting Effective Argumentsにソロで参加し、1566チーム中43位銀メダルを獲得した。暫定順位なので、確定順位はちょっと変わる可能性がある。 前回始めて参加したコンペではチームメンバーに恵まれ、たまたま金メダルだった。その中でKaggleの面白さを知って、次も参加したい、ただ個人だとモチベーションが無くなりそうなのでできたらチームで、と思っていたのだけど、今回はチーム組まず(というか知り合いが少ないので組めず、が正しいが…)でのコンペスタート。チーム参加だと実力がなくても場合によって金メダルも採れてしまう(前回の自分の成績)ことがわかったので、ソロ参加でどれぐらいの成績が残せるか、ということにもチャレンジ。 当初はモチベーションが続かないのではと懸念があったけど、最初に作ったベースラインが銀
身代わり地蔵 on Twitter: "@feedback515 安倍の事件をきっかけに、自民党と宗教の関係にメスが入ってくれれば良いのですが。 宗教法人に対する免税措置と、自民党支持の「票田」。 持ちつ持たれつの関係、ここで明るみにする良い機会ですよ。 https://t.co/9LpyWLQZnG"
@feedback515 安倍の事件をきっかけに、自民党と宗教の関係にメスが入ってくれれば良いのですが。 宗教法人に対する免税措置と、自民党支持の「票田」。 持ちつ持たれつの関係、ここで明るみにする良い機会ですよ。 https://t.co/9LpyWLQZnG
村井あけみ on Twitter: "@ShinHori1 @feedback515 むしろ、武力で他の氏族を撲滅、支配下に置いた暴力氏の末裔ですね。天皇家は、自分の親族も抹殺しながら権力を集中してきた部族です。万世一系どころか、途切れ途切れた系譜で、殺戮の果てに残ってきた氏族です。"
@ShinHori1 @feedback515 むしろ、武力で他の氏族を撲滅、支配下に置いた暴力氏の末裔ですね。天皇家は、自分の親族も抹殺しながら権力を集中してきた部族です。万世一系どころか、途切れ途切れた系譜で、殺戮の果てに残ってきた氏族です。
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
Try Bard and share your feedback
![「[作って学ぶ] ブラウザのしくみ」を読んだ - 覚書](https://cdn-ak-scissors.b.st-hatena.com/image/square/e055f35121ce76b337752125aa49685dbcf68962/height=288;version=1;width=512/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2F0f01b79209bc88a0e73a475a9bbe1a2356b4311a%2Fbackend%3Dimagemagick%3Bheight%3D1300%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fm.media-amazon.com%252Fimages%252FI%252F41AZLrZN7KL._SL500_.jpg)
「DirectX 12 Ultimate」の4機能すべてを「3DMark」でテストできるように／新しい機能テスト「3DMark Sampler Feedback」を追加
Kaggle コンペ Feedback Prize - English Language Learning でチーム参加15位金メダル取得で、Kaggle Master へ - A Day in the Life
Training language models to follow instructions with human feedback
Kaggle Feedback Prizeコンペ 反省会
User feedback software - Upvoty
HORI Force Feedback Truck Control System for Windows® PC
Learning to summarize from human feedback
Feelback: Collect any type of feedback for your content
Kaggle の Feedback Prize - Predicting Effective Arguments コンペでソロ参加銀メダル(43位)だった - A Day in the Life
otogi.wikiru.jp
privespa.org
kannon102.hatenablog.com
www.3channel.click
www.youtube.com
news.yahoo.co.jp