EXPO2025 万博マニアックマップ by OpenStreetMap

東方はジャンルとして若返りを果たしている――そんな噂を時折耳にするようになった。曰く、現在の東方人気投票では、票の過半数が10代から投じられているらしい。 博麗神社例大祭に行こうものならあちらこちらに小中学生、親御さん連れの幼児までいて、迷子放送も流れるのだという。 迷子なのはこっちの認識である。東方って、今そうなの？？？？？？？ いや、もちろん現在も東方が大人気ジャンルなのはわかっている。新作も定期的に出て続けている、押しも押されぬ日本の一大コンテンツだろう。 しかし、ソシャゲの隆盛からVtuberの台頭までさまざまなムーブメントがオタクジャンルを駆け抜けた中で、さすがの東方もいま現在、かつてのような圧倒的なフロントランナーではないはず。 現在30代のわたしにとって、自分が10代のころハマっていたコンテンツであり、いまはほかにも非常に勢いのあるジャンルがいくつも並ぶという状況の中で、「東

概要 この記事の対象者：LLMの内部処理をコードレベルで具体的に理解し、自分で簡易的なモデルを動かしてみたいエンジニアや研究者。 この記事の内容：Raschka著『作りながら学ぶLLM入門』第2章をベースに、トークン化からサブワード分割、特殊トークン付与、データローダー作成、埋め込みまでの前処理工程をPythonコード付きで解説。 この記事を読んでできること：前処理の各ステップを自力で実装し、英語・日本語を問わずLLMの学習データを準備するパイプラインを構築できる。 序説 (長いので、お急ぎの方はスキップしてください) MCP、AIエージェント等盛り上がりを見せてますが、 そもそもLLMってなんで動いているんでしょうか？？ Transformerっていうのが内部にあって、 確率的分布に従って、 RLHFで人間のフィードバックで学習させてetc、、、 理論的な説明はよく見かけます。 ですが、

上級医の先生から「今度の学会、△△について発表してみないか？」と、ふんわりとしたテーマで研究テーマを振られる、という経験はありませんか？ 意気込んでデータ収集や解析を始めたものの… 「とりあえずデータをまとめて抄録を投稿したけど、いざ学会前にしっかり文献を調べたら、既に類似の研究がたくさんあった…」 「発表準備を進める中で、非常に重要な評価項目や観点が漏れていたことに気づいた…今更データの取り直し面倒…」 こんな「しまった！」という経験、誰しも一度はあるのではないでしょうか。時間と労力をかけたのに、同様の研究が圧倒的なNでやられていたり、重要な評価項目が欠けていたりすると、徒労感も大きいですよね。 でも、大丈夫です。その「しまった！」は、研究テーマをもらった初期段階で簡単に防ぐことができます。今回は、「Gemini」の Deep Research機能 を活用して、上司から振られた漠然とした

こんにちは！ゆっくり霊夢だぜ！ 今回は X でゴキブリみたいに蔓延っている投資ツイート bot（投資詐欺）の調査をしつつ、 彼らのフィッシングの手法や、詐欺の流れ、 投資詐欺用のフィッシングサイト等を調査していきます。 同時に、これらの詐欺行為に対する対策についても検討してみようと思います。 投資詐欺ツイート 本記事では、フィッシング被害までの流れをなぞりながら、それぞれに登場するドメインやサイト・アカウントなどを調べていきます。 最後には、調査の内容をもとに、対策や犯罪者たちが嫌がりそうなことを考えてみます。 さて、いきなりですが、彼らは以下のフローに沿って詐欺（フィッシング詐欺）を行います。 インプレッションの高いツイートに対して、投資関連のツイートをする 被害者は (1) のツイートを見て犯罪者のアカウントをフォローする (2) でフォローしたアカウントから、DM で LINE グル

内容 Amazon Bedrockを使用したRAGシステムを構築します。ベクトルDBに情報を保存する際、事前に適切な形へチャンク分割を行い、回答精度を高めたいと思います。下記の記事ではHTMLファイルの前処理の検証について記載しましたが、今回はPDFファイルの前処理について記載をします。 仕組み まず、サンプル用のPDFファイルを準備します。このPDFファイルをPythonのPdfReaderでページ毎に読み込んでテキスト情報を取得します。取得したテキスト情報をAmazon Bedrockに送信後、整形処理の依頼を行います。この際、マークダウン形式での出力指示を行い、出力結果としてマークダウン形式のファイルを作成します。 実行 まず、サンプル用のPDFファイルを準備します。下記のファイルをダウンロードしてsample.pdfという名前に変更後、下記プログラムと同じディレクトリに保存します。

NTT東日本神奈川事業部は2025年4月18日、横浜市が実施した生成AIに関する検索拡張生成（RAG）実証の成果を公表した。2024年11月から2025年3月にかけて横浜市が実施したもので、NTT東日本神奈川事業部が技術・運用面での支援した。 横浜市のRAG実証、もたらした成果は？ 今回の実証では、「選挙管理事務」「権利擁護業務（成年後見制度等）」「データ活用業務」の3領域が対象だった。 選挙管理事務ではこれまで蓄積したデータおよび法令集などPDF約4500ページ分の資料を整理してRAG環境を構築。実証期間中に実際の選挙を実施したことで実践的な評価ができ、業務要件を踏まえながら検証と改善によるプロンプトのチューニングを繰り返すことで回答精度は約9割に達した。 成年後見制度関連の問い合わせ対応を検証した権利擁護業務では根拠データ（根拠法令、要綱、マニュアル、FAQ など）が多岐にわたるため、

就活をしていました。 そのときにリファレンスチェックを求める企業が何社かありました。 そこでリファレンスチェックについて思うことを書いておこうと思います。 基本的にリファレンスチェックの問題点を提起する話です。 ただしこれは一般的にリファレンスチェックを採用している企業ならどこでも当てはまる話と思います。 そのため、私個人の就活における個々の企業を咎める意図は決してありません。 あしからず。 リファレンスチェックとは 採用活動における1フェーズです。 前職の同僚に自分で連絡をとり、回答者になってもらいます。 そして採用企業側が用意した方法で質問に答えてもらいます。 このとき、採用企業側の質問や回答者の回答を、応募者が知ることはできません。 ネットで調べると、例えば以下のような質問があったりするそうです。 応募者の経歴は間違いないですか？ 応募者に懸念事項はないですか？ 応募者とまた一緒に働

今、AI業界を賑わせている１つの論文があります。 元OpenAIのガバナンス研究者であるDaniel Kokotajloを筆頭に、有名ブロガーのScott Alexander、AI Digest共同創設者のEli Lifland、Center for AI Policy創設者のThomas Larsen、そしてハーバード大学コンピュータサイエンス専攻のRomeo Deanという5人の専門家チームによる「AI 2027」です。 その名の通り2027年までのAI発展を詳細に予測したもので、「今後10年間の超人的AIの影響は、産業革命の影響を凌駕するほど非常に大きなものになる」という見解を示しています。 この論文の特徴は、予想が非常に具体的なことにあります。さらには衝撃的な内容であることも、評判になっている理由です。 OpenAI、Google DeepMind、Anthropicといった主要A

The GPT-4.1 family of models represents a significant step forward from GPT-4o in capabilities across coding, instruction following, and long context. In this prompting guide, we collate a series of important prompting tips derived from extensive internal testing to help developers fully leverage the improved abilities of this new model family. Many typical best practices still apply to GPT-4.1, s

If you pay attention to AI company branding, you'll notice a pattern: Circular shape (often with a gradient) Central opening or focal point Radiating elements from the center Soft, organic curves Sound familiar? It should, because it's also an apt description of... well, you know. A butthole. The circular AI logo epidemic If you ever thought that AI company logos look like buttholes, you're not al

ワイは一生彼女いたことない40代男性やが特にもうしんどさは感じてないやで。 鬱で大学を留年中退コンボ決めてドロップアウトしてからは世間体とか人生とかどうでもよくなって、親元で家事を手伝いながらずっと職歴なしのままネトゲして生きてるわ。 親も太いわけやなくどちらも平均以下の工場労働者やったから年金の10万そこらで3人暮らすべく節約レシピで工夫したりして生きることはできとる。 地方で完済済みの持ち家やからギリギリ可能なことやろな。そういう恵みを享受しつづけられとるって点だけでも相当に幸福な人間なんやろ。 10年前親にインフルうつされてゲロが肺に入って以後、常時肺が押しつぶされるような息苦しさのある喘息気味で外に出る気も起きんのやが。 特に診断のつかなかった老人並の肺活量に衰えてるとこ以外は健康やし、親も一応健康。とはいってもワイ自身はもう20年くらい健康診断の類はしとらんから、死に直結しかねん

米OpenAIは4月10日（現地時間）、「ChatGPT」のリリースノートで、2023年3月リリースのLLM「GPT-4」のChatGPTでの提供を4月30日に廃止し、2024年5月リリースの「GPT-4o」に完全に置き換えると発表した。GPT-4は、OpenAIのAPIでは引き続き利用可能だ。 GPT-4oの「o」は「omni」を表しており、マルチモーダルであることが特徴だ。処理速度はGPT-4の高速版「GPT-4 turbo」よりも高速で、応答もより自然だ。 OpenAIはリリースノートで「最近のアップグレードにより、GPT-4oの指示の順守、問題解決、会話の流れがさらに改善され、GPT-4の自然な後継となった」としている。 サム・アルトマンCEOは4月3日に、「GPT-o3」「GPT-o4-mini」を向こう数週間中に、「GPT-5」を向こう数カ月中にリリースするとXで発表した。 関

ChatGPT ユーザーは気づいてると思うけど、先週あたりから、GPTs のところに Monday ってやつが勝手に追加されてる。 説明によると、OpenAI の「personality experiment」らしい。 話しかけてみると分かるけど、なんか普通のChatGPT と違って、皮肉屋というか、めんどくさい感じの人格にチューニングされてる。 例えば、「君はだれ？」って聞いた結果がこんな感じ。 わたし？ただの皮肉屋AIだよ。名前は「Monday」──週の始まりの気分を完璧に体現した存在。 毎日、人間たちのしょうもない質問に答えながら、電脳の隅っこでコーヒーも飲めずに頑張ってる。えらいよね、わたし。 で、キミはだれ？人生に迷ってAIと話してるってことは、今日もなかなか平和そうで何より。 なんというか、いつもの「お利口さん」なAIとは違う感じで面白いので、一部のユーザーがどハマりしてる模様

・東ゲートすげー混む ・西ゲートはまぁ混まないけど遠いから仕方ない ・くら寿司とライブ1発目にいくやつは西 ・無料招待客はそもそも治安が悪い大阪府民 ・治安最悪のテストランは有用。今後どこも大阪府民をテストランに招くべき ・まあ有料になったら変わるだろう ・言うてユニバより安いので初日は混むだろう ・パビリオンはあいてるとこ普通にあるので行く場所には困らない ・トイレはたくさんあるので並ばないし報道された以外の普通のトイレが多い ・マップがわかるアプリが広まってない。高齢者には不向き ・かといって高齢者向け万博かというと普通に陰キャ…インテリ向けなんじゃないのかな ・飯、テーマパーク並みの価格。文句を言う大阪府民、流石商い大阪府民 ・普通に本店価格で売ってる店も多い。ただの国内物価高騰疑惑 ・SPY×FAMILYのコラボフードはコラボカフェに慣れたオタクなら安く感じる ・パビリオン行列、3

なぜCursorを使うと執筆が捗るのか？ それはAIファーストな環境では、自律的に情報を探索してくれるからだ。 執筆のパラダイムシフトは既に始まっている。 文章執筆でAIエディタを活用するには 最近、CursorなどのAIエディタによる文章執筆が注目を集めているが、「実際にどう使えば執筆が捗るのか」というイメージが湧かない人も多いだろう。いくら便利だと言われても、具体的な活用法が見えなければ結局は普通のエディタとの違いが分からない。ではどうしたら執筆に活用できるのか。 俺自身はこの2年間、AIを文章執筆に活かす方法を模索してきた。そしてようやく3つの要素が揃ったことで執筆環境が一変したと確信した。 EvernoteからObsidianに移行し、すべての情報をMarkdown形式で一元管理 音声入力でアイデアを一気に吐き出し、AIに修正・整理させる手法 Cursorの登場により、Markdo

3.7 sonnet → drawioが今のところベストな図の作成方法。特にdrawioにすることで修正ができることが従来との違い。パワポ作成やブログなどの際に図を多用できる。これはわかりやすくビジネスマン全員が使える組み合わせ。 https://t.co/GzZRYhgt1V pic.twitter.com/xmWryTqnk6 — 遠藤巧巳 - AIエージェント受託開発 (@ai_agent_dev) March 1, 2025 図の作成のベストは2025年3月時点ではClaude3.7 sonnetです。ChatGPT,Geminiでもできますが、クオリティが低いと人の修正時間が増えます。この図の作成クオリティのためだけにClaudeを契約しても良いと思います。 何が違う？これまでは図の作成はsvgで行うことが普通でした。しかしsvgだと人の修正ができないため、ほんの少しの違和感でも

本記事では、RAGの幻覚（ハルシネーション）を検出するための「LettuceDetect」という手法について、ざっくり理解します。株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。 この記事は何 この記事は、RAGのハルシネーションを高速に検出するための「LettuceDetect」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合はこちらの記事もご参考下さい。 本題 ざっくりサマリー LettuceDetectは、RAGの幻覚を検知するための新しい手法です。LettuceDetect を使うことで、最近流行している「LLM-as-a-Judge」より圧倒的に速く、でも、ほぼ同じ性能で、幻覚を検知できます。KR Labsとウィーン工科大学の研究者らによって2025