Encyclical Letter of His Holiness Leo XIV Magnifica Humanitas (15 May 2026)
ENCYCLICAL LETTER MAGNIFICA HUMANITAS OF HIS HOLINESS POPE LEO XIV ON SAFEGUARDING THE HUMAN PERSON IN THE TIME OF ARTIFICIAL INTELLIGENCE [Multimedia] ___________________________ INTRODUCTION The res novae of our time Two biblical images Building for the common good Remaining human CHAPTER ONE A DYNAMIC APPROACH FAITHFUL TO THE GOSPEL A Church journeying through human history The wisdom of the wo
An Economy of AI Agents Gillian K. Hadfield* Johns Hopkins Andrew Koh† MIT This version: September 3, 2025 Prepared for the NBER Handbook on the Economics of Transformative AI Abstract In the coming decade, artificially intelligent agents with the ability to plan and ex- ecute complex tasks over long time horizons with little direct oversight from humans may be deployed across the economy. This ch
世の中そんなに甘くない。 SakanaAIの「AI科学者(AI Scientist)」を使ったら爆発的に研究が捗る!と思ったのも束の間、人間並、いや下手すると人間より日給が高くなる可能性があることがわかった。 この二日間、好き放題にAI科学者に研究させた結果がこのザマ 二日で300ドルを突破する勢いで、これはちょっと遊びでやるレベルを超えてる。 また、指示の出し方(seed_ideas.json)によっては、実験が失敗する可能性もある。 昨日はMNISTと進化計算をテーマに7つの研究をしたみたいだが、5本は失敗し、2本だけ論文が得られた。 まあ一晩で2本も論文書けるレベルの人間の日当はもっと遥かに高いと思うが、個人で抱えるにはリッチすぎる。 というのも、デフォルトでClaud-3.5-SonnetやGPT-4oを使うようになっているからだ。そこで激安になったGPT-4o-miniをデフォル
How can neural networks learn the rich internal representations required for difficult tasks such as recognizing objects or understanding language? Yoshua Bengio, Yann LeCun, and Geoffrey Hinton are recipients of the 2018 ACM A.M. Turing Award for breakthroughs that have made deep neural networks a critical component of computing. Research on artificial neural networks was motivated by the observa
Since the birth of the field of artificial intelligence in the 20th century, researchers have observed that the difficulty of a task for humans at best weakly correlates with its difficulty for AI systems. For example, humans find it difficult to multiply ten-digit numbers in their heads but easy to draw boxes around each individual cat in a photograph. In contrast, for AI systems the difficulty i
The Andrej Karpathy episode. Andrej explains why reinforcement learning is terrible (but everything else is much worse), why model collapse prevents LLMs from learning the way humans do, why AGI will just blend into the previous ~2.5 centuries of 2% GDP growth, why self driving took so long to crack, and what he sees as the future of education. Watch on YouTube; listen on Apple Podcasts or Spotify
Annotated history of modern AI and deep neural networks
For a while, DanNet enjoyed a monopoly. From 2011 to 2012 it won every contest it entered, winning four of them in a row (15 May 2011, 6 Aug 2011, 1 Mar 2012, 10 Sep 2012).[GPUCNN5] In particular, at IJCNN 2011 in Silicon Valley, DanNet blew away the competition and achieved the first superhuman visual pattern recognition[DAN1] in an international contest. DanNet was also the first deep CNN to win
Sakana AIは2025年8月7日、当社初となるApplied Engineer向けのOpen Houseイベントを実施。現地で約70名、オンラインで200名を超える方のご参加をいただきました。 read more 「Sakana AIは学術研究のイメージが強いけど、どうビジネスにつなげるの？」━━Sakana AIでは「Applied Team」が本格始動し、最先端AIの社会実装に取り組んでいます。その内実を、2名のチームメンバーに聞きました。 read more Following our 2024 research on evolutionary model merging, a technique for “mixing to create” better models from existing ones (left), we are now tackling the cha
AI Timelines via Cumulative Optimization Power: Less Long, More Short — LessWrong
The general trend is clear: larger lifetime compute enables systems of greater generality and capability. Generality and performance are both independently expensive, as an efficient general system often ends up requiring combinations of many specialist subnetworks. BNNs and ANNs both implement effective approximations of bayesian learning[29]. Net training compute then measures the total intra-li
Exactly ten years ago today, we published "Why We Created Julia", introducing the Julia project to the world. At this point, we have moved well past the ambitious goals set out in the original blog post. Julia is now used by hundreds of thousands of people. It is taught at hundreds of universities and entire companies are being formed that build their software stacks on Julia. From personalized me
整数計画法メモ トップページへ戻る 本ページのURLが https://www.tuat.ac.jp/~miya/ipmemo.html から https://web.tuat.ac.jp/~miya/ipmemo.html へ変更になりました． それに応じて，本ページからリンクされているダウンロード可能なファイルについても，URLが変更になっています． はじめに このページには，数理最適化問題，特に整数最適化問題（整数計画問題）をソルバーで解く際に，知っていると役に立つかもしれない情報を雑多に記しています． 数理最適化および整数最適化（整数計画法）は強力な最適化手法の一つなのですが，「実際に解きたい時に日本語の情報があまり無い」と耳にしたのがこのページを作ったきっかけです． おことわり このページに書いてある情報は無保証であり，筆者は一切の責任を持ちません． 自己責任でご利用ください．
Accepted at ICLR 2026 (Oral). GEPA: REFLECTIVE PROMPT EVOLUTION CAN OUTPER- FORM REINFORCEMENT LEARNING Lakshya A Agrawal1 , Shangyin Tan1 , Dilara Soylu2 , Noah Ziems4 , Rishi Khare1 , Krista Opsahl-Ong5 , Arnav Singhvi2,5 , Herumb Shandilya2 , Michael J Ryan2 , Meng Jiang4 , Christopher Potts2 , Koushik Sen1 , Alexandros G. Dimakis1,3 , Ion Stoica1 , Dan Klein1 , Matei Zaharia1,5 , Omar Khattab6
Fugu-MT: arxivの論文翻訳(概要)
このサイトではarxivで発表された論文のメタデータを翻訳しています。（arxivのメタデータは CC 0です） このページではメタデータの要約を表示しています。日付別の要約一覧から 日付別の要約を参照できます。表示をカスタマイズからスコアでのソートや検索が可能です。 要約前のデータは翻訳状況、 日付別の論文一覧から参照できます。 翻訳文のライセンスはCC BY-SA 4.0です。 翻訳にはFugu-Machine Translatorを利用しています。 本サイトの運営者（Satoshi Takahashi）は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。 論文検索： 技術的な詳細は開発者のBlogで紹介します。 公開日: 20250903 の論文要約A theoretical frame
Summary At Sakana AI, we harness nature-inspired ideas such as evolutionary optimization to develop cutting-edge foundation models. The development of deep learning has historically relied on extensive trial-and-error by AI researchers and their theoretical insights. This is especially true for preference optimization algorithms, which are crucial for aligning Large Language Models (LLMs) with hum
【記事更新】私のブックマーク「不均衡データ分類」 | 人工知能学会 (The Japanese Society for Artificial Intelligence)
大崎 美穂（同志社大学） 1．不均衡データ分類とは クラス間で事例の数や割合が極端に異なるデータは不均衡データと呼ばれる．特に，関心の対象でない多数の陰性と関心の対象である少数の陽性の2 クラスを分類するタスク（不均衡データ分類）は，さまざまな分野に共通して重要である．異常・障害・リスクに関する問題，すなわち，医療診断や不正侵入検出など「頻度は低いが起こったときに甚大な被害が生じる」問題が，このタスクに該当する． 通常の分類器ではデータの不均衡性に強い影響を受け，少数の陽性クラスを見落としてしまう．例えば，がん罹患者を健常者と誤診して命に危険が及ぶ，通信ネットワークに不正侵入されて機密情報を盗まれる，といった事態が起こり得る．その一方，陽性クラスに重点を置きすぎるとスクリーニングとして意味をなさなくなる．健常者に不必要な検査や治療を施して医療費の増大を招く，ささいなことでも不正侵入の警告が
GitHub - Yutong-Zhou-cv/Awesome-Text-to-Image: (ෆ`꒳´ෆ) A Survey on Text-to-Image Generation/Synthesis.
Text to Face👨🏻🧒👧🏼🧓🏽 (ECCV 2024) PreciseControl: Enhancing Text-To-Image Diffusion Models with Fine-Grained Attribute Control, Rishubh Parihar et al. [Paper] [Project] (arXiv preprint 2024) [💬 Dataset] 15M Multimodal Facial Image-Text Dataset, Dawei Dai et al. [Paper] (arXiv preprint 2024) [💬 3D] Portrait3D: Text-Guided High-Quality 3D Portrait Generation Using Pyramid Representation and G
Published as a conference paper at ICLR 2026 AGENTIC CONTEXT ENGINEERING: EVOLVING CON- TEXTS FOR SELF-IMPROVING LANGUAGE MODELS Qizheng Zhang1∗ , Changran Hu2∗ , Shubhangi Upasani2 , Boyuan Ma2 , Fenglu Hong2 , Vamsidhar Kamanuru2 , Jay Rainton2 , Chen Wu2 , Mengmeng Ji2 , Hanchen Li3 , Urmish Thakker2 , James Zou1 , Kunle Olukotun1 1 Stanford University 2 SambaNova Systems, Inc. 3 UC Berkeley {q
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
An Economy of AI Agents
人間よりいいぜ!と思ってAI科学者を使ったら、人間より日給が高かった｜shi3z
Deep Learning for AI – Communications of the ACM
Moravec’s paradox and its implications
Andrej Karpathy — AGI is still a decade away
Sakana AI
Why We Use Julia, 10 Years Later
宮代 隆平 の web ページ（整数計画法メモ）
GEPA: Reflective Prompt Evolution Can Outperform Reinforcement Learning
Sakana AI
Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models