本文へ移動

#データ・学習

今日 0 件

11月14日

土曜日
  1. Amazon SageMaker HyperPod Data Captureでモデル改善のフライホイールを構築

    Amazon SageMaker HyperPodにData Capture機能が追加された。エンドポイント、ロードバランサー、モデルPodの3つの独立した階層でオンライン推論の入出力をAmazon S3に記録でき、モデルの可用性への影響はゼロだ。記事ではQwen2.5-3B-Instructを使った家電サポートのルーティングモデルを例に、Athenaでのクエリで新製品に対する盲点を発見し、SQLポリシーでラベル付けしてファインチューニングを実施、デプロイ後に新たに得たデータで前後の精度を比較している。

11月13日

金曜日
  1. NVIDIAはAIでケアチームが患者に早く正しい治療を届けるのをどう支援するか

    Dyania Healthの臨床推論エンジンSynapsis AIはNVIDIAの高速化コンピューティング上で動作し、患者の数十年分のカルテにある自由記述のノート、レポート、検査結果をまたいで手がかりを結びつけ、元の記録までたどれる臨床シグナルを出力する。

  2. CUR 2.0とAWS BudgetsでIAMプリンシパル別にAmazon Bedrockの支出を追跡・制限

    AWSが、コードを書かずにIAMプリンシパル別にAmazon Bedrockの生成AI支出を追跡・制限する方法を提示した。Bedrockは推論リクエストごとにIAMユーザーまたはロールの身元を自動記録し、プリンシパルタグやセッションタグと組み合わせることで共有ロール下の個別ユーザーも区別できる。

11月12日

木曜日
  1. Amazon SageMaker HyperPodでサイレントデータ破損を検出・復旧

    Amazon SageMaker HyperPodは、PyTorch DDPの学習ループに3つのチェックを追加することでサイレントデータ破損(SDC)を検出する。非有限勾配チェックでNaN/Infを捕捉し、リングリプレイ監査で別ノードが再計算したlossと勾配のフィンガープリントを照合し、重みフィンガープリントの照合でオプティマイザのステップや保存された重みに生じた破損を発見する。

  2. Google Research、ウェアラブル端末でCKMリスクのプロファイリングと個別化健康指導を実現

    Google Researchは、コンシューマー向けウェアラブル端末のデータから介入可能な「コーチング可能な健康年齢」(CHA)を構築する研究フレームワークを提案した。約10万人のFitbitユーザー、228万人週分のデータに基づいてセンサー世界モデルSensorWMを訓練し、歩数・睡眠・運動習慣の違いに応じて今後12週間で20項目の生理指標がどう変化するかをシミュレーションできる。

11月11日

水曜日
  1. 多ベクトル埋め込みモデル向けのToken Pooling対応トレーニング

    Hugging Faceのブログが、多ベクトル埋め込みモデル向けのToken Pooling対応トレーニングを紹介している。pool_factor=4で文書ベクトルを4分の1に削減した場合、通常のトレーニング済みモデルは未プーリング時のNanoBEIR nDCG@10の94.6%を維持するが、対応トレーニングでは維持率が97.8%に向上する。

  2. Google DeepMind、細胞種別にDNA変異の影響を予測するAlphaGenome 2を発表

    Google DeepMindは、特定の細胞種や状態に応じて変異が遺伝子発現に与える影響を予測する条件付きDNA配列モデルAlphaGenome 2を発表した。68組織・1億700万以上の単一細胞アトラスで訓練され、TenK10Kデータセットで同定された因果変異の割合は16%から30%に、方向性のある遺伝子効果は23%から43%に向上した。

  3. Amazon Bedrock tokenomics データレイク:アカウント横断のモデル呼び出しを集中観測

    AWS は Amazon Bedrock の呼び出しを観測するデータレイクのソリューションを公開した。CloudWatch のログ購読で複数アカウントのモデル呼び出しログを中心アカウントに集約し、Data Firehose で Parquet に変換して S3 に書き込み、Athena で統合的にクエリする。

11月10日

火曜日
  1. NVIDIAとElith、合成データセットNemotron-Personas-Finance-Japanを公開

    ElithとNVIDIAは、オープンソースのペルソナデータセットNemotron-Personas-Japanの金融分野向け拡張版であるNemotron-Personas-Finance-Japanを公開した。日本の公式統計と家計金融・金融リテラシーのデータを組み合わせた、100万件規模のオープンなペルソナデータセットとしては初めてだとしている。

11月7日

土曜日

11月6日

金曜日

11月5日

木曜日
  1. Dharma-AI、20億パラメータのDharma Field Extractorを公開——指定スキーマでJSONフィールドを出力

    Dharma-AIは、任意の種類の文書から指定フィールドを抽出しJSONで返す20億パラメータのモデル「Dharma Field Extractor」を公開した。スキーマなしのオープン抽出と、指定スキーマに沿った抽出の2モードに対応する。

  2. Indegene、ライフサイエンス分野で企業データ品質をいかに刷新・拡大するか

    Indegene は AWS 上の NEXT Unified Data Platform(NEXT UDP)に LLM 駆動の Data Quality Agent を構築した。文脈を踏まえたデータ品質ルールを生成し、検証を経てそのまま実行できる SQL と Python コードを出力する。全体を通じて集中型の human-in-the-loop ガバナンスを採用している。

11月4日

水曜日

11月3日

火曜日
  1. Amazon SageMaker AI で知識蒸留による効率的なエージェントを構築

    AWS は、系列レベルの知識蒸留(SeqKD)を用いて Amazon SageMaker AI 上でショッピングエージェントをファインチューニングする方法を紹介した。フロンティアの教師モデルが多段階のツール呼び出し軌跡を生成し、タスクを解けるサンプルのみを残して、教師ありファインチューニングで小規模モデルを訓練する。SeqKD は教師モデルのテキスト出力のみを必要とし、logits や強化学習の基盤を要しないため、API のみを提供するクローズドソースの教師モデルにも適用でき、軌跡データを異なる生徒モデルの訓練とテストに再利用できる。

10月31日

土曜日
  1. Amazon Bedrock のコストをエンドツーエンドで管理する方法:FinOps とプラットフォームチーム向けの実践マニュアル

    AWS は、Amazon Bedrock のコストを帰属・可観測性・強制・最適化・運用の5ステップのループで管理する方法を提示した。Amazon Bedrock は IAM プリンシパル単位での推論コストの自動帰属に対応している。

10月30日

金曜日
  1. AWS Batch、SageMaker Trainingジョブ向けにクォータ管理を提供開始、チーム間でGPUリソースを貸し借り可能に

    AWS BatchがSageMaker Trainingジョブ向けのクォータ管理機能を提供開始した。管理者はチームやプロジェクト単位でクォータシェアを割り当てでき、RESERVE、LEND、LEND_AND_BORROWの3つのリソース共有ポリシーにより、アイドル状態のGPU容量を自動で貸し出し・借用できる。

10月29日

木曜日
  1. Hugging Face、Project ProtoStarを始動:公的資金による科学研究データをAIで利用可能な状態に

    Hugging FaceはProject ProtoStarの開始を発表した。カーネギーメロン大学、パデュー大学、ジョージア工科大学などの機関と連携し、公的資金で得られた研究データセット、モデル、コードをAI-ready形式でオープンに共有することを推進する。

10月28日

水曜日
  1. Google、LLMが継続学習で知識を保持する「sleep」フレームワークを提案

    Google Researchは、LLMが能動的な対話とオフラインの睡眠を交互に繰り返し、短期的な文脈を長期的なパラメータへ定着させる「sleep」フレームワークを提案した。睡眠段階では、MoEによるパラメータ拡張、知識蒸留、RLによる模倣学習を通じて記憶の定着を図り、さらにランダムなエキスパートの活性化と勾配で選別した合成サンプルによって自己改善する。

  2. Ai2研究:LLMは研究アイデアの新規性を信頼できる形で判断できるか

    Ai2は研究「Old Ideas, Novel Problems」を公開し、大規模言語モデルが科学研究アイデアの新規性を判断する信頼性を検証した。併せてベンチマーク、データ、コードをオープンソース化した。研究ではICLR 2026の査読意見に基づき、新規性の高い人間のアイデア154件と低い145件からなるプールを構築し、さらにLLMが生成したアイデア154件を用意した。

  3. Exowatt、SageMakerのサーバーレスモデルカスタマイズでフロンティアモデルを精度で上回り、コストは最大49分の1に

    ExowattはAmazon SageMaker AIのサーバーレスモデルカスタマイズを活用し、エッジとクラウドの2つの展開先向けにタスク特化モデルをファインチューニングした。精度はフロンティアモデルを上回り、コストは最大49分の1に抑えられる。エッジのアラームトリアージにはQwen3-1.7B、クラウドのエネルギー市場分析にはQwen3-14Bを基にし、後者はAmazon Bedrock Custom Model Importでホストされる。このプロセスにより、生の運用データから評価済みの展開成果物までの道のりが数カ月から数日に短縮された。

10月27日

火曜日

10月24日

土曜日
  1. Amazon Quick SightのレイヤーマップがGeoJSONで点とルートの描画に対応

    Amazon Quick Sightのレイヤーマップが、GeoJSONのPointとLineStringの2種類のジオメトリに対応した。店舗などの具体的な位置を地図上に示したり、配送経路や航空路線などのルートを描画したりできる。GeoJSONファイルの上限は100MBで、Quick Sightのデータセットとは共有のjoin keyで関連付ける必要があり、各レイヤーは一度に1種類のジオメトリのみを描画する。