はてなブックマーク

はじめに 今週のAKARI Tech Blogは、DX Solution 事業本部 Dev nebulaの西宮が担当します！ 今回は、開発している三次元シミュレーションソフトに点群表示を実装する際に行った工夫について紹介します。 開発中のシミュレータの点群表示機能。点群はオープンナガサキを使用建築、都市計画、自動運転など、多くの分野で大規模な点群データを扱う機会が増えています。 しかし、数千万から数十億に及ぶ大規模点群のなかをGoogle Street Viewのように自由に移動しながら表示するには、パフォーマンスの面でいろいろな工夫が必要です。 本記事では、一番簡単でオーソドックスな実装だけではなく、より大規模なシーンをレンダリングするための主要なアプローチをOpenGLでの描画を前提として解説します。 （同じシミュレーションソフトで学習画像を自動生成しSim2Realした例もあります。

こんばんは！Tech blogの時間がやってまいりました。 DX Solution 事業本部 Dev の許が担当いたします。 最近はGPT-5やらgpt-ossやら、OpenAIが立て続けに大きな発表をしましたね！ 特にgpt-ossはOpenAIが6年ぶりに公開するオープンウェイトなモデルということもあり、OpenAIがオープンなモデルを出したことが話題になりました！ gpt-oss is a big deal; it is a state-of-the-art open-weights reasoning model, with strong real-world performance comparable to o4-mini, that you can run locally on your own computer (or phone with the smaller size

みなさんこんにちは。燈株式会社CTOの三澤です。 今回は、ドメイン・業界特化の検索拡張生成(Retrieval Augmented Generation: RAG)システム構築における言語モデルの学習について紹介します。この記事は、ドメイン特化のRAGシステム構築に興味のあるAIエンジニアを対象にしています。 TL;DR 背景 専門分野におけるRAGシステムの課題 ドメイン特化RAGシステムの概要 ドメイン特化Embeddingモデルの学習 学習条件 学習結果 ドメイン特化Rerankerモデルの学習 学習条件(Stage 1) 学習条件(Stage 2) 学習結果 最後に We’re Hiring! 参考文献 TL;DR ドメイン特化RAGシステムのために、Embedding, Rerankerの言語モデルを独自コーパスで学習 Embedding, Rerankerともに精度の向上を確認

はじめに こんばんは！ 今週のAKARI Tech Blogは、DX Solution 事業本部 Dev の許が担当いたします。 先日OpenAIが「Deep Research」を公開し、その驚異的な文献調査能力が話題となりましたね！ 皆様使っていますでしょうか。 これまでひいこら言いながらインターネット検索していた時代と比べると、「Deep Research お願いします！」で、それなりの分析レポートが出てくることに隔世の感を感じますね。 これだけ性能の良いものが出てきた以上、仕組みが気になるところ。できることなら、自分たちでも再現実装してみたい！ しかし例によってOpenAIは実装をオープンにはしてくれない……。 そこで登場するのが、Deep ResearchのOSS再現プロジェクトたち！ まずは Deep ResearchにOpenな再現実装について聞いてみましょうか。 ChatGP