Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Microsoft は 11月19日、シカゴで開催された Ignite 2024 で新たなエージェント開発機能 「Azure AI Agent Service」 を発表しました。Azure AI Agent Service は生成 AI 開発の統合プラットフォームである「Azure AI Foundry」に統合されます。Azure AI Foundry はこれまで Azure AI Studio と呼ばれていたサービスであり、既存の Azure AI モデル、ツール、安全性とモニタリングのソリューションを、組織の AI ソリューションの
はじめに こんにちは。Builtoという会社で代表 & エンジニアをしている冨田です。 私たちはマネジメントとタスク管理を圧倒的にサポートするAIエージェントを開発しています。 開発にもAIをフル活用しており、そこで得られた知見を共有したいと思います。 具体的には、経験3年以上の現役ソフトウェアエンジニア（生成AIのない時代からコードを書いてきた方々）をターゲットに、本番運用レベルの大規模コードベースでもCursorを活用しコーディング時間を 1/3〜1/5 に縮めている手法をお伝えします。 仕様策定やアプリの機能にもLLMをフル活用していますが、今回は実装にフォーカスします！ （なお本記事は中級者以上向けのため、まだCursorに触れたことがない方はまず別の記事を参考にして、使ってみてください） なぜこの記事を書いたか 現職エンジニアが本当に使いこなす手法を共有したい すでに共有されてい
概要 本記事ではRAGASの概念や評価方法について論文や公式ドキュメンテーションの引用を交えながらざっくり解説していきます。 RAGASとは RAGAS (Retrieval Augmented Generation Assessment)は2023年9月に提案されたRAGの評価を行うためのフレームワークです。 RAGASの特徴として、 多角的な視点でRAGシステムの評価を行う 関連性の高いコンテキストを取得できているかどうか LLMが取得したコンテキストを忠実に活用できているか 生成した回答の品質が高いかどうか コンテキストについてアノテーションデータを必要としない（RAGにおいてどのコンテキストを取得することが正解なのかを定めなくて良い） があります。 Evaluating RAG architectures is, however, challenging because there
前回はマルチエージェントライブラリである AutoGen を用いて有限ステートマシンエージェントを実装しましたが、今回は LangGraph を使ってサイクルのある RAG アーキテクチャを実装していきたいと思います。 すでに Azure OpenAI Developers セミナー 第3回 で紹介したアーキテクチャで、Corrective-RAG (CRAG) という、自己修正的な RAG というアプローチの実装です。これを公式で提供されている Notebook を GPT-4/Azure AI Search/Bing Web Search API 実装に置き換えていきたいと思います。 Azure AI Search から Retrieve します GPT-4 で検索された文書が質問に関連しているかどうかを判断します 少なくとも一つの文書が関連性ありと判定された場合、回答の生成に進めます
Open WebUIを使ってみました。 https://openwebui.com/ 当初は「Ollama WebUI」という名前だったようですが、今はOpen WebUIという名前に変わっています。Ollama専用じゃなくなったということでしょう。OpenAIに対応済みです。 早速使ってみました。もちろんBedrockで。 6/11 続編を書きました。 環境構築 Dockerですんなり構築です。Bedrockに対応はしてないので、「LiteLLM」を使って対応させます。 環境変数でこのあたりを指定 Ollamaを無効化 LiteLLMのエンドポイントをOpenAIのエンドポイントとして登録 APIキーを登録（LiteLLMとの通信には不要ですが、未指定だとOpen WebUIが正しく動作しませんでした） services: open-webui: image: ghcr.io/open-
ロボット関連 の主なAIのリリース年表をまとめました。 2024年11月12日 Unitree G1 Open Source Dataset Unitree G1 Open Source Dataset In order to promote the development of the global embodied AI industry, the Unitree G1 robot operation data set is open sourced, adapted to a variety of open source solutions, and continuously updated: Open source data collection:… pic.twitter.com/AXhblKzdi3 — Unitree (@UnitreeRobotics) November 1
はじめに 世間を賑わせているDeepSeek R1は高性能なオープンソースの大規模言語モデル（LLM）です。公開されてまもなく複数の国の政府、企業が利用制限を呼びかける事態になっています。 使ってみたい、でもデータが収集されるのは怖いので本家のアプリを使うのは躊躇している、そんな方もいると思います。そんな方はローカルマシンで実行を試してみてはどうでしょうか。 「試しにローカルで動かしてみたい！」という方向けに、Macで簡単にセットアップして動かす方法を2パターン紹介します。本記事では、初心者でもわかりやすいように、必要なツールの説明や、モデルの選び方についても詳しく解説します。 本記事の手法に基づくDeepSeek R1の起動は、すべて自己責任で実施してください。モデルはローカルマシンで起動するため入力した情報が外部サーバを経由することはありませんが、セキュリティ上のリスクを完全に否定する
[24/12/21] We supported using SwanLab for experiment tracking and visualization. See this section for details. [24/11/27] We supported fine-tuning the Skywork-o1 model and the OpenO1 dataset. [24/10/09] We supported downloading pre-trained models and datasets from the Modelers Hub. See this tutorial for usage. Full Changelog [24/09/19] We supported fine-tuning the Qwen2.5 models. [24/08/30] We sup
Introduction 現在当たり前になったOpenAI/Anthropic/Google等のLLMですが、ビジネスからプライベートまで どこでも活用されるようになってきました。ChatGPTの登場以降、AIとの対話が当たり前になり、 (私は)LLMがないと仕事ができないほどの状況になっています。 そんな中、先日ニュースになったのが、中国のAIスタートアップ「DeepSeek」が開発したモデル「DeepSeek-R1」です。 これはOpenAIのo1と同等性能を持つといわれており、OSS(MITライセンス)で公開しています。 本稿はDeepSeek-R1モデルをローカル（EC2)で動かしてみた作業ログです。 Local LLM 私の場合、ChatGPTやClaudeをWebブラウザやアプリ、APIを通じて利用しています。 これらのサービスは非常に手軽ですが、セキュリティ面での懸念や利用コ
3D Field Navigator 「PatRobot」は、階段や立体交差、複数のフロアを含む複合的な立体経路を4足歩行ロボットや車両型の移動ロボットで自律走行するための3Dの自律走行制御ユニットです。 TechShare独自開発の3D自己位置推定・ナビゲーションシステム3D HALNA Engineを搭載しているので、通常フラットフロアを前提としてNavigationでは、正確に移動できない経路を自由自在に設定して自動巡回を実現できます。
深層学習に基づくAIの発展は目覚ましく、大規模言語モデル（LLM）は人間との自然なやり取りすら可能です。しかし、このようなAIを作成するためには多くのデータが必要であり、データ確保は非常に重要な課題です。連合学習は、その課題の一部である複数組織に散らばっている機密性の高いデータの活用を助ける技術です。本稿では、基本的な連合学習方式3種類（水平、垂直、転移）を解説したうえで、近年の注目の高いLLMなどの生成AIに対する連合学習の適用可能性について述べます。 近年の生成AIの発展は目覚ましく、2020年に発表された大規模言語モデル（Large Language Model、以下、LLM）GPT-3は人間との自然なやり取りすら可能とし、その後も急速に発展をし続けています。このようにAIに高度な機能を持たせるためには大量のデータが必要となるため、データ確保はAI開発の最も重要な課題の1つです。 本
「ネクスウェイ本人確認サービス」は、 オンライン本人確認（eKYC）から、書類の目視チェック、転送不要郵便の発送追跡に至るまで、 KYC業務に必要な工程をワンストップでサポートするサービスです。 eKYC後の本人確認業務も、私たちネクスウェイにまとめてお任せください。 初めての方でも手軽に運用できるeKYC/KYCプロセスを構築し、本人確認業務の効率化と、顧客対応の品質向上を実現させます。 eKYCとは、「electronic Know Your Customer」の頭文字をとった略称です。 さまざまな場面で、契約者本人であることを確認するために実施する本人確認を、オンライン上で完結できる仕組みを指します。 多くの場合、契約者から送られた身分証と顔の写真はスタッフによる目視確認や、リアルタイムで撮影されているかを識別する高性能な画像認識技術によってなりすましを防止しています。
便秘症は老若男女問わず認める症状の一つです。 数日に1回の排便でも不快を感じることがない人もいれば、毎日排便があっても残便感に悩まされている人もいます。便秘は排便の回数によらないものです。 この「便秘症」が起こるには何らかの原因が存在します。 一番怖いのは大腸がんによるものです。自己判断で様子を見ずに、きちんと調べましょう。
キャンペーン規約 【キャンペーン名】 GIGAZINEと「Aiarty Image Matting」のタイアップ無料配布キャンペーン 【開催期間】 ・2025年2月10日（月）まで 【賞品詳細・当選人数】 Aiarty Image Matting 年間プラン もれなくプレゼントとして無料配布します。 （＊年間プランのライセンスが年2月10日23:59までアクティブしなければなりませんので、予めご了承ください。） 【ライセンスの登録方法】 まずはライセンスをクリックしてコピー、「プレゼントをゲット」をクリックしてソフト本体をダウンロード＆インストールしてください； ①．ソフト起動後、登録画面を開く； ＊ソフトを開くたびに、登録画面が自動的に表示されます。左上のメニューから「登録」をクリックすると登録画面も開けます ②．お使いのメールアドレスとライセンスコードをテキストボックスに入力； ③．右
この記事は毎週必ず記事がでるテックブログ Loglass Tech Blog Sprint の3週目の記事です！ 1年間連続達成まで 残り50週 となりました！ LLM盛り上がってますね！ 弊社も多分に漏れず専任チームを立ち上げて、弊社におけるwhy LLMを見出そうと試行錯誤しています。 個人的にもLLM Applicationsを継続的に開発・運用する技術について色々考えている今日この頃ですが、先日OWASP Top 10 for Large Language Model Applicationsのversion 1.0が出ました。 OWASP Top10 for LLMは、LLMを利用するアプリケーションで発見された重大な脆弱性とセキュリティガイドラインに関するレポートです。 レポートでも述べられていますが、昨今はLLMの取り組みが猛烈に進んでいる中で、包括的なセキュリティプロトコル
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
