本文へ移動
assaynotes
EN日本語中文

#RAG

今日 0 件

11月13日

金曜日

  1. コーディングエージェントで Amazon Bedrock Managed Knowledge Base へ移行

    Agent Toolkit for AWS の amazon-bedrock スキルにナレッジベース移行ガイドが追加された。コーディングエージェントがまず読み取り専用の調査を行い、行単位でレビューできる移行計画を提示。承認後は新しいナレッジベースとデータソースを並行して作成するか、IaC テンプレートを生成する。

11月12日

木曜日

  1. AWS、再利用可能な生成AI資産23点のカタログを公開　開発期間を数カ月から数週間に短縮

    AWS Generative AI Innovation Center（現在はAWS Frontier AI Engineering & Servicesに所属）は、RAGパイプラインや文書処理、エージェントの足場（スキャフォールディング）などを含む本番品質の再利用可能な資産23点のカタログを公開した。開発期間を数カ月から数週間に短縮できる。

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。

11月10日

火曜日

11月7日

土曜日

  2. Amazon ECS Fargate上のサーバーレスMCPサーバー、AIエージェントにデータレイクへのアクセスを提供

    AmazonのNASCチームは、AIエージェントが企業データレイクにアクセスするための集中ゲートウェイとして、Amazon ECS Fargate上にサーバーレスMCPサーバーを構築した。新しいデータセットの追加にはJSONメタデータファイルが1つあればよく、次回のパイプライン同期時にサービスが自動的に検出するため、データセットごとの統合コードを書く必要はない。このアーキテクチャでは、任意のMCP互換クライアントが同じツール群を呼び出せ、権限管理はMCPサーバー層で集中的に実施される。テストではエンドツーエンドの対話レイテンシーは15〜20秒に保たれた。

11月5日

木曜日

  1. Box、Nvidia Nemotronを採用したエージェント優先のコンテンツ検索システム

    Boxは開発者会議でBox Content Retrievalを発表した。NvidiaのNemotron埋め込みシステムを製品の中核に統合し、エージェントが埋め込みメタデータに基づいてクエリに回答できるようにする。Nvidiaの生成AIソフトウェア担当バイスプレジデント、Kari Briski氏によると、クエリ速度は4倍、エラーは20%減少、トークン使用量は90%削減される。Box Enterprise Advanceの顧客向けに来年初めから提供を開始する。

11月4日

水曜日

  1. EDB Postgres AI と Amazon Bedrock AgentCore でエージェント AI 向けのセマンティックレイヤーを構築

    EDB Postgres AI で AIDB 拡張機能を使ってセマンティックレイヤーを構築し、Amazon Bedrock AgentCore 上で動作する Strands Agents のエージェントが MCP エンドポイント経由でこのレイヤーに問い合わせ、顧客 360 の質問に答える方法を解説する。

  2. Amazon Quickで構造化データと非構造化データを統合する

    Amazon Quickは、S3ナレッジベース内の非構造化ドキュメントと、セマンティック記述を付けたenriched datasetsの構造化データを同じSpaceに接続できる。カスタムチャットエージェントが単一の会話でナレッジベース、データセット、またはその両方を判断してクエリし、引用付きの統合回答を返す。Enterpriseサブスクリプションが必要で、S3バケットはデフォルトで読み取り専用権限となり、回答は質問したユーザーの権限に従う。

11月3日

火曜日

  2. Amazon Nova Multimodal EmbeddingsとAmazon Bedrock AgentCoreでマルチエージェント型エンジニアリングインテリジェンスアシスタントを構築

    Amazon Bedrock AgentCore、Amazon Nova Multimodal Embeddings、オープンソースのStrands Agents SDKを基に、部品代替評価における文書横断検索と根拠の集約を自動で行うマルチエージェント型エンジニアリングアシスタントを構築できる。

  3. Crawl4AIでAmazon Bedrock Knowledge Bases向けのウェブコンテンツを準備する

    Amazon Bedrock Knowledge Basesで細かい制御が必要なウェブソースには、オープンソースのPythonクローラーCrawl4AIで前処理を行う。各ページをMarkdownとメタデータのサイドカーとしてAmazon S3にアップロードし、ナレッジベースのS3データソースから取り込む。

10月27日

火曜日

10月24日

土曜日

  1. Bayer Crop Science、Amazon Bedrock AgentCoreとAWS Unified Operationsでエージェント型意思決定エンジンを構築

    Bayer Crop ScienceはAmazon Bedrock AgentCoreを基盤にマルチエージェント型の自然言語インターフェース「Agentic Decision Engine（ADE）」を構築した。第1フェーズでは、ユーザーの質問の約80%がエンジニアの介入なしで解決される。

10月23日

金曜日

  1. IskayPet、Amazon Bedrock Managed Knowledge Basesで企業知識を統合する方法

    IskayPetはAmazon Bedrock Managed Knowledge Basesを基に企業知識アシスタントを構築し、従業員が小売運営、獣医療、人事オンボーディング、購買などの文書を自然言語で照会できるようにした。4言語・3カ国をカバーし、RAGインフラを自前で管理する必要はない。

10月21日

水曜日

  1. Octave、Amazon Bedrock 上で安全なマルチテナント AI 基盤を構築した方法

    Octave は Amazon Bedrock 上で Cohere Embed v4 を用い、3 層のマルチテナント AI 基盤を構築し、ユースケースごとの展開時間を 50% 短縮した。この基盤は Reliance 品質管理システムに 2 億件規模の文書を組み込み、AgentCore Gateway による実行の分離と Amazon Bedrock Guardrails による入出力の二重フィルタリングで、テナントのデータが越境しないことを確保している。

10月14日

水曜日

  2. Orca Security、Amazon Bedrock で自然言語セキュリティクエリを構築、クエリコストを 90% 削減

    Orca Security は AWS と協力し、Amazon Bedrock 上で自然言語クエリエージェント Discovery AI を構築した。自然言語の質問を Sonar クエリに変換する。初期ベースラインと比べてクエリコストを 90% 削減、入力トークンを 93% 削減、レイテンシを 75% 低減し、現在は 1 日あたり数千件のクエリを処理、応答時間は 15 秒。RAG とスキーマ認識クエリ構築を組み合わせた 9 段階のパイプラインを採用し、段階ごとに異なる基盤モデルを割り当てている。

10月8日

木曜日

  1. Amazon Quick と Amazon Bedrock、リアルタイム ACL で RAG のアクセス制御を再構築

    Amazon Quick と Amazon Bedrock Knowledge Bases は、検索前の ACL フィルタリングに加えてリアルタイムの ACL 検証を導入し、クエリ時に権限を権威あるデータソースへ直接確認することで、期限切れやマッピング誤りの可能性がある ACL データへの依存を避ける。

  2. Qlik は Amazon Bedrock でどのように企業向けの信頼できる AI を構築したか

    Qlik は Amazon Bedrock を基盤に Qlik Answers を構築し、世界 4 万社超の顧客に出典引用付きのエンタープライズ向け Q&A を提供している。2026 年 2 月の正式提供開始以来、Discovery Agent は顧客のために 10 万件超の異常と外れ値を発見した。

10月7日

水曜日

  1. Google、マルチモーダル埋め込みモデル EmbeddingGemma 2 を公開

    Google はオープンソースのマルチモーダル埋め込みモデル EmbeddingGemma 2 を公開した。テキスト、画像、動画、音声、コードを数値ベクトルに変換でき、パラメータ数は 7 億 4,000 万。Google によると、マルチモーダル埋め込みベンチマークでパラメータ数が 2 倍の競合モデルを上回り、Massive Text Embedding Benchmark (Code) では 78.68 を記録。前世代の 68.76 から約 10 ポイント改善した。

  2. Google DeepMind、オープンソースのマルチモーダル埋め込みモデル EmbeddingGemma 2 を公開

    Google DeepMind は、Gemma 4 アーキテクチャをベースにした Apache 2.0 ライセンスのオープンソース・マルチモーダル埋め込みモデル EmbeddingGemma 2 を公開した。テキスト、画像、音声、動画を単一の埋め込み空間にマッピングできる。

  3. Amazon Bedrock AgentCore、Managed Knowledge Base、Nova Sonic で音声旅行アシスタントを構築

    Amazon Bedrock AgentCore、Amazon Nova 2.5 Sonic、Amazon Bedrock Knowledge Bases を基盤に、航空会社のアプリに音声旅行アシスタントを構築できる。旅行者は音声で旅程を照会し、座席を変更し、食事の好みを更新し、有人オペレーターに転送できる。

10月6日

火曜日

  1. LangChain と Amazon Bedrock Knowledge Bases によるエージェント検索の実践

    Amazon Bedrock Managed Knowledge Base にエージェント検索機能が追加された。AgenticRetrieveStream API を通じて複数部分からなる質問をサブクエリに分解して実行し、証拠が十分かどうかを判断し、不足していれば再検索する。langchain-aws パッケージはこの機能と標準の Retrieve API の両方を公開している。

10月3日

土曜日

  2. Amazon Quick と Adjudicated Query パターンで数千件のリース契約のコンプライアンスを一括検証

    AWS は Adjudicated Query という設計パターンを提案した。業務ユーザーが Amazon Quick のチャット画面でコンプライアンス上の質問をし、実際の判定は決定論的ルールエンジンが行い、モデルは自然言語を固定型の操作呼び出しに変換して結果を言い直す役割だけを担う。このパターンは完全性レシートによって「スキャン済み = 適合 + 違反 + 保留 + 判読不能」を保証し、バージョン管理されたルールデータで事後監査の追跡を可能にする。リース契約のコンプライアンス、制裁スクリーニング、保険金請求などの高リスク領域に適する。

10月2日

金曜日

10月1日

木曜日

9月30日

水曜日

9月29日

火曜日

9月26日

土曜日

  1. NarrateAI、Amazon Bedrock で本番向け LLM 品質保証

    NarrateAI は Amazon Bedrock で五つの技術を使い、数値精度約99%とリアルタイムストリーミング応答を実現し、4,000人超の AWS 幹部に提供する。適応型パイプライン編成、アカウント横断の複数モデル切り替え、リアルタイム評価、複合評価枠組み、データ精度検証を使う。約90%のクエリーは1回の高速経路を通り、約10%のみ並列バッチ経路を使う。

9月25日

金曜日

9月18日

金曜日

  1. GitHub Podcast、5つのAI論争を検討：コードを読むべきか、RAGは終わりか、SkillsはMCPをなくすか

    GitHub Podcastの最新回はAI開発の5つの話題を検討する。AIコードは読み、責任を持つ必要があるが、確認の度合いはリスクに応じる。Skillsはチームの経験を包装したもの、MCPはツールとデータをつなぐ標準で、組み合わせられる。RAGは終わっておらず、学習外の情報を提供し、エージェント、Skills、MCPと同じワークフローに共存できる。

9月16日

水曜日

9月3日

木曜日

8月26日

水曜日

8月21日

金曜日

8月20日

木曜日

8月18日

火曜日