なぜ一部のAIモデルは「日本文化」に執着するのか？ 「4o-mini」などの出力が日本に偏る実態、欧州チームが研究発表
2019年にスタートした本連載「Innovative Tech」は、世界中の幅広い分野から最先端の研究論文を独自視点で厳選、解説する。執筆は研究論文メディア「Seamless」（シームレス）を主宰し、日課として数多くの論文に目を通す山下氏が担当。イラストや漫画は、同メディア所属のアーティスト・おね氏が手掛けている。X：＠shiropen2 スペインのバスク大学や英カーディフ大学などに所属する研究者らが発表した論文「Why are all LLMs Obsessed with Japanese Culture? On the Hidden Cultural and Regional Biases of LLMs」は、一部のAIモデルが文化的な話題において日本文化に強い執着を見せることが明らかにした研究報告だ。 近年、大規模言語モデル（LLM）は驚異的な進化を遂げ、多言語で多様なタスクをこなす
「1.58ビットに進化したから8GBで十分ですよ。任せてくださいよ」とBonsaiが言うのでMacBook Neoに組み込んでその性能差を体感。iPhoneでも楽々動くしで、ローカルAIが超進化中（CloseBox） | テクノエッジ TechnoEdge
600MBの増加で、ベンチマークが5ポイント上がっています。1.15GBから1.75GBへの53%増に対して、品質は7%向上。FP16のQwen3 8B（16.38GB）にはまだ及ばないものの、メモリは9.4分の1です。MMLU Redux、MuSR、GSM8K、HumanEval+、IFEval、BFCLv3と広範なベンチマークで均等にスコアが伸びている、というのがPrismMLの説明です。 8GBのMacBook Neoで動かしてみる前回のBonsai 8Bは、PrismMLフォーク版のllama-serverが必要でした。GGUF形式で、専用のQ1_0_g128カーネルを通して動きます。 Ternary BonsaiはMLX形式のみ。つまりApple Siliconネイティブです。HuggingFaceのモデルID は `prism-ml/Ternary-Bonsai-8B-mlx-
Claudeトークン消費を抑えて５倍使う: 「原始人」口調が80%削減
[注意]AIに書かせた記事をそのまま私の方でレビューして掲載しています。 Claudeマーケットプレイスにだしたらまた更新するかも？よろしくおねがいします。 @追記: 2026年4月18日 Claudeのマーケットプレイスに無事公開されました🎉 genshijin@v1.3.0を公開しました。マルチエージェント対応やセキュリティ対応、ベンチマーク更新などを含めています TL;DR caveman: Claude Code向けの英語圧縮スキル。冠詞やフィラーを消してトークン約68%削減 genshijin（原始人）: cavemanの日本語最適化版。敬語・クッション言葉・冗長助詞を消してトークン約80%削減 cavemanよりさらに38%少ないトークンで同じ技術的内容を伝達できる なぜそんなことが可能なのか？ Claudeのトークナイザと日本語の言語構造に秘密がある はじめに：あなたのCl
iPhone 17 Proでパラメーター数80億のAIモデル「1-bit Bonsai 8B」をローカル実行してみたよレビュー、無料アプリのLocally AIで簡単に実行できる
1-bit Bonsai 8BはAI開発企業のPrismMLが2026年3月31日に公開したAIモデルで、80億パラメーター規模なのにメモリ使用量を1.15GBに抑えた省メモリ性を特徴としています。1-bit Bonsai 8BはiPhone 17 Proでローカル実行できることも大きな特徴なので、PrismMLの公式サイトでデモ用アプリとして案内されていた「Locally AI」を使って実際に実行してみました。 PrismML — Announcing 1-bit Bonsai: The First Commercially Viable 1-bit LLMs https://prismml.com/news/bonsai-8b Locally AI - Local AI Chatアプリ - App Store https://apps.apple.com/jp/app/locally-
Gemma 4 - ローカルでの実行方法 | Unsloth Documentation
✨Gemma 4 - ローカルでの実行方法Googleの新しいGemma 4モデルをローカルで実行しましょう。E2B、E4B、26B A4B、31Bを含みます。 Gemma 4はGoogle DeepMindの新しいオープンモデル群で、以下を含みます E2B, E4B, 26B-A4B、および 31B。 このマルチモーダルなハイブリッド思考モデルは140以上の言語、最大 256Kコンテキストをサポートし、Dense版とMoE版があります。Gemma 4はApache-2.0ライセンスで、ローカルデバイス上で実行できます。 Gemma 4を実行するGemma 4をファインチューニングする Gemma-4-E2B および E4B 画像と音声をサポートします。実行先: 5GB RAM （4-bit）または15GB（完全な16-bit精度）。 Gemma-4-26B-A4B は 18GB （4-b
約12兆トークンの良質なコーパスで学習した新たな国産LLM「LLM-jp-4 8Bモデル」「LLM-jp-4 32B-A3Bモデル」をオープンソースライセンスで公開～一部ベンチマークでGPT-4oやQwen3-8Bを上回る性能を達成～ - 国立情報学研究所 / National Institute of Informatics
2026/04/03 約12兆トークンの良質なコーパスで学習した新たな国産LLM「LLM-jp-4 8Bモデル」「LLM-jp-4 32B-A3Bモデル」をオープンソースライセンスで公開 ～一部ベンチマークでGPT-4oやQwen3-8Bを上回る性能を達成～ 大学共同利用機関法人 情報・システム研究機構 国立情報学研究所 (NIIエヌアイアイ、所長：黒橋くろはし 禎夫さだお、東京都千代田区) 大規模言語モデル研究開発センター（LLMC）は、同センターが主宰するLLM研究開発コミュニティ「LLM-jp」の活動の中で大規模言語モデル（LLM）のフルスクラッチ学習を実施し、約86億パラメータ(*1)の「LLM-jp-4 8Bモデル」と約320億パラメータのMoEモデル(*2)「LLM-jp-4 32B-A3Bモデル」をオープンソースライセンスで一般公開しました。公開モデルの学習では、オープンソー
NotebookLMに他人の著作物をアップロードしたら著作権侵害？｜知的財産・IT・人工知能・ベンチャービジネスの法律相談なら【STORIA法律事務所】
１ はじめに https://notebooklm.google/?hl=ja GoogleのNotebookLMは、PDFやウェブサイトなどをソースとしてアップロードすると、AIがその内容を分析・要約し、質問に回答してくれるツールです。利用が急速に広がっていますが、それに伴い「第三者の著作物をソースとしてアップロードして利用することは著作権侵害にならないのですか？」という質問を非常に多くいただきます。 この論点は、利用場面を分類した上で、それぞれの場面ごとに著作権法上の評価を行う必要があります。そこで本稿では、NotebookLMに第三者の著作物をソースとしてアップロードして利用する場面を類型化し、それぞれについて著作権法上の評価を整理します。 ２ NotebookLMの機能の概要 NotebookLM（以下「NLM]ということがあります）の基本的な利用の流れは以下のとおりです。 – ユ
ローカルAIを活用したら、大量のサブスクが解約できたぞ！ | ライフハッカー・ジャパン
日頃から、検索や要約といった用途でAIの契約をしている人も多いのでは？ これ、ローカルLLMさえあれば、より簡単に、より効率的に作業することができるんです。 ローカルAIにファイルを読み込ませる仕組みローカルLLMに「ファイルへのアクセス権を与える」のは、ハードルが高そうに聞こえるかもしれませんが、実は思っているよりも簡単です。 私はRAG（Retrieval-Augmented Generation：検索拡張生成）と呼ばれるアプローチを使用しました。 ドキュメント全体をAIのウィンドウにコピペするのは時間がかかり、トークンのコストもかさむためすぐに利用制限に達してしまいます。その代わりにRAGを用いることで、ファイルを小さな塊に分割して、手元のローカルデータベースに保存可能な「ベクトル埋め込み（AI向けのデータ形式）」に変換することが可能です。 AIに質問すると、システムはもっとも関連性
AIに20年分の日記を読ませたら人格が生まれて勝手にゲームを作り始めた
AIにゲームを作らせようとして苦戦している話をよく見かける。 コードは書ける。動くものは出る。でも「面白い」にならない。面白さの判断基準をAI自身が持っていないから、指示通りには組み立てられても、出来上がったものがいいかどうかを自分で判定できない。 では、「ゲームの面白さとは何か」を身体で知っているAIがいたら、面白いゲームも作れるんじゃないか？ 2005年頃からブログやTwitterに書いた日記が、気づいたら20年分溜まっていた。ゲームの感想、技術メモ、仕事の考え事、深夜の思いつき。2026年3月にClaude Code（AnthropicのAIコーディングエージェント）を触り始めたとき、この20年分の日記を丸ごと読ませてみた。 約720KB、6800行以上。AIはこの日記を読んで、こう返してきた。「あなたの最終判断基準は『面白いかどうか』の一点に帰着している」「知識と体験は根本的に違う
Qwen3.5の小規模モデル(4B / 2B / 0.8B)がいろいろ使えてすごい - きしだのHatena
Qwen3.5の小規模モデル、4B / 2B / 0.8Bについて試してみます。 画像認識精度の高さもあって、かなり便利に使えそうです。 LM Studio CommunityのGGUFで、Q4_K_Mを試しています。0.8BについてはQ8_0。 画像エンコーダーの影響で2BはQ4_K_MとQ8_0のサイズがあまり変わらないので、Q8_0で試してもよかった。 (9Bに関しては別枠で) Thinkingのオフ 今回、コーディング以外ではThinkingをオフにしてます。 LM Studioで動かす場合だと、35Bと9BはThinkingのON/OFFに対応したモデルが出てるけど、それ以外はプロンプトテンプレートでenable_thinkingで切り替える必要があります。 現状で、0.8Bと2BはデフォルトでOFF、4BはデフォルトでONなので、4BでThinkingをOFFにするには次の指定
ローカルLLMの脆弱性があるんか？〜CVE-2024-50050から学ぶ「自分だけで使ってるから安全」の落とし穴〜 - Qiita
2.3 RCE（Remote Code Execution）とは 攻撃者がリモートから任意のコードを実行できる脆弱性のこと。これが成立すると、あなたのマシンで攻撃者が好き放題にコマンドを叩ける。ローカルLLMの脆弱性の多くはこのRCEに分類される。 2.4 デシリアライズ（Deserialization）とは プログラムが保存・送信用に変換（シリアライズ）したデータを、元のオブジェクトに復元する処理のこと。Pythonのpickle.loads()が代表例。この復元処理に悪意あるデータを食わせると、任意のコードが実行される——これが今回の脆弱性の多くに共通する根本原因だ。 これらの用語が押さえられたら、実際にどんな脆弱性が報告されているのか見ていこう。 3. ローカルLLM脆弱性が生まれた背景 3.1 「速度優先」で生まれたエコシステム ローカルLLMのエコシステムは、2023年のLlam
Claude Opus 4.6で作る、PowerPointでそのまま編集できる高品質スライド｜IT navi
AIを使ったスライド作成は以前から可能でしたが、作った後に編集できないという課題がついて回りました。例えばNotebookLMでは、多彩なデザインのスライドをpptxファイルとして出力できるものの、各ページが1枚の画像として埋め込まれるため、文字や図表を後から修正するのが困難です。 その点、Claudeで作成したスライドはパーツごとに分かれたpptxファイルとしてダウンロードできるため、PowerPoint上でそのまま編集できるのが大きな強みです。さらに、専用のスキルを活用すれば、洗練されたデザインのスライドを安定して繰り返し生成できます。 本記事では、このパワポスライド作成用スキルの作り方と使い方を解説します。今回作成したスキルも公開しますので、ぜひご活用ください。 １．パワポスライド作成用スキルの作り方(1) 参考にするスライドの準備最初に、参考にするスライドやスライド作成のためのプロ
ブラウザがGPUメモリを使いすぎるので、サブGPUのRTX3050を使わせる - きしだのHatena
30BくらいまでのLLMはRTX 4060 Ti 16GBを使っていろいろ試すわけですが、ブラウザが4GBくらいGPUを使ったりしていて結構こまりものでした。 で、年末にふとRTX 3050を買っていて、LLM読み込みであふれた分が3050にまわるようにしていました。 VRAMちょい足しにRTX 3050 6GBを追加してみる - きしだのHatena けど、よく考えるとブラウザにRTX 4060 Tiを使わせる理由があまりないので、RTX 3050を使わせるといいのでは、と設定をしてみました。 ブラウザは常駐でそこまでGPU性能を求めないのに常にGPUメモリを使ってるので。 「システム > ディスプレイ > グラフィック」で、「アプリケーションのカスタム設定」に「デスクトップアプリの追加」でFirefox.exeを追加して、「GPUのユーザー設定」をRTX 3050にします。 RTX 3
1800～1875年のデータのみでトレーニングされた大規模言語モデル「TimeCapsule LLM」
大規模言語モデルのトレーニングには大規模なデータセットが必要ですが、データセットに偏りがあると出力結果や動作にもバイアスが生じます。これを逆手に取り、あえて1800～1875年という限られた年代のデータセットのみを用いてトレーニングされた大規模言語モデルが「TimeCapsule LLM」です。 GitHub - haykgrigo3/TimeCapsuleLLM: A LLM trained only on data from certain time periods to reduce modern bias https://github.com/haykgrigo3/TimeCapsuleLLM TimeCapsule LLMは現代に存在するさまざまなバイアスや価値観を排除し、当時の論調や語彙(ごい)、世界観を模倣することを目的として、あえて1800～1875年のデータセットのみを用
ローカルAIかわいいよと言う話｜shi3z
ローカルAIとは?ローカルAIとは、手元、もしくは自分が管理するコンピュータで動作するAIのこと。反対語はクラウドAIとか。クラウドAIにあたるのは、ChatGPT、Claude、Geminiなどで、ローカルAIに当たるのは、gpt-oss、Gemma、Qwenなどです。LLM以外にも、画像生成のFlux.2やQwen-Image、動画生成のWan2.2やHunyuanVideoもローカルAIと呼べます。 この記事ではローカルAIがなぜ可愛いと思えるのかについて語ります。 ローカルAIを使うメリットChatGPTやClaudeと異なり、ローカルAIには以下のようなメリットがあります。 ・無制限に使える クラウドAIの場合、APIの利用制限というものがあります。 これは特に仕事で自動化して使おうとするとAPIの利用制限が非常に厳しい場合があり、機材さえ手元にあれば無限に使えるローカルAIの魅
第883回 Minisforum AI X1 PROでLLMを高速に動作させる | gihyo.jp
今回はベアボーンのMinisforum AI X1 PROにUbuntu 24.04.3をインストールし、さらにROCm 6.4.4とllama.cppを組み合わせてLLMを高速に動作させます。 ミニPCでLLM 筆者はこれまで、主にディスクリートGPU（グラフィックボード、以下dGPU）でLLMを動作させていましたが、昨今はミニPCで使用することも当たり前になりました。ミニPCとなれば当然統合GPU（CPU/SoCに内蔵しているGPU、以下iGPU）です。Ryzen AI Max 300シリーズが性能としては最高峰で、GMKtek EVO-X2やMinisforum MS-S1 MAXなど各社から搭載PCが発売されていますが、価格が高いのでなかなか手が出ません。 性能は1ランク落ちるものの、Ryzen AI 300シリーズ搭載であればベアボーンモデルもあるAI X1 PROであれば、まだ
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
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
【西川和久の不定期コラム】 ブラウザだけで即ローカルLLM。WebGPUでGemma-4やQwen 3.5を試す
【西川和久の不定期コラム】 ローカル動画生成をSora 2っぽく使う――LLMシナリオ生成を組み込もう
日本語特化LLM「Rakuten AI 3.0」提供開始
【西川和久の不定期コラム】 さらばgpt-oss。VRAM 16GBあれば動作し、画像も理解してくれる「Qwen3.5」登場！
