TOPIC TIMELINE
タイムライン検索
特定トピックに関する記事を時系列で並べて「いつ・何が起きたか」を俯瞰します。
2026年5月8日
マルチビューキャプチャからの大規模高品質3Dガウシアンヘッド再構成HeadsUpと呼ばれるスケーラブルなフィードフォワード手法を提案します。大規模マルチカメラセットアップから高品質の3Dガウシアンヘッドを再構成するもので、効率的なエンコーダ-デコーダアーキテクチャを採用しています。
Apple Machine Learning Research
2026年5月27日
アイデアからAIアプリへ:Strandsを使用したインテリジェント調査アシスタントの構築AIアプリの構築には、機械学習の博士号や複雑なアーキテクチャとの格闘に数ヶ月を要する必要はありません。複数のAPI呼び出しを調整しようとする際の課題を解決し、Strandsを使用して迅速にAIアプリを開発する方法を紹介します。
AWS Machine Learning Blog
2026年5月27日
Strands Agents、NVIDIA NIM、Amazon Bedrock AgentCoreを使用した高性能生成AIシステムの構築このポストでは、統合アーキテクチャを使用して、並列推論、コンテキスト永続性、追跡可能な実行パスを実証するマルチエージェントキャンペーンレビュー システムの構築方法を学ぶことができます。
AWS Machine Learning Blog
2026年5月29日
Amazon SageMaker AI MLflowアプリを組み込んだカスタムポータルの構築この投稿では、SageMaker AI MLflow Apps UIを組み込んだカスタムポータルの構築方法を紹介する。Reactフロントエンドとフラスク逆プロキシを組み合わせたアーキテクチャパターンについて解説する。
AWS Machine Learning Blog
2026年5月29日
エージェンティックAI、ネストされた学習、セマンティックキャッシングによるAI持続性を通じたハルシネーション軽減ハルシネーションは本番LLMシステムにおける主要な信頼性の障壁であり、特にマルチエージェントパイプラインでは根拠のない主張が段階を通じて伝播する可能性があります。本論文は、HOPE着想のネストされた学習アーキテクチャとコンティニュアムメモリシステム(CMS)を応用しています。
arXiv cs.AI
2026年5月29日
ARから拡散へ:厳密に因果的で柔軟な地平線を持つ大規模言語モデルの効率的な適応拡散モデルは効率的な並列テキスト生成を約束していますが、双方向アテンションに依存しており、事前学習済みの自動回帰(AR)モデルとの構造的な不一致を生じています。この非互換性はロバストなAR事前知識の再利用を排除し、スクラッチからの禁止的な事前学習が必要になります。
arXiv cs.CL
2026年5月29日
認知圏論トランスフォーマー:言語モデリングのための圏論的帰納的バイアス認知圏論トランスフォーマー(CCT)は3億600万パラメータのアーキテクチャで、事前学習されたGPT-2 Smallバックボーンを圏論から導出された認知的に根拠のあるコンポーネント、および認知科学からのいくつかのインスピレーションで拡張しています。マッチドステップ・プロトコル下(215,000最適化ステップ)で...
arXiv cs.AI
2026年5月29日
ログアライメント比による訓練時の汎化診断パラメータ化理論で導入されたパラメータ活性化アライメント測度であるログアライメント比(LAR)を研究します。これを行列の正規化された2乗特異値のウェイトスペクトル p と正規化された2乗射影値のアクティベーションスペクトル q との重複として再構成します。
arXiv cs.LG
2026年6月1日
深いニューラルネットワークなしのLLM:新しいアーキテクチャ、利点とケーススタディ本論文は、LLMの文脈における深いニューラルネットワークの代替案を検証することを目的としている。最近、中国の研究者たちがRBFネットワークというモデルに大きな関心を示しており、標準的なDNNの代替として、より高い解釈可能性と精度の向上が期待されている。
arXiv cs.LG
2026年6月1日
エラーのアーキテクチャ:普遍的な不可能性からパッチ局所的なLLM信頼性へarXiv:2605.30628v1 ユニバーサルなLLM信頼性は有限ライブラリ問題ではない。すべての可能なタスク、ツール、スキーマ、知識源、および評価者の期待を通じて、新しい介入区別可能な障害モードが無限に出現する可能性があるため、有限の介入辞書では、すべてに対して有界な残留エラーを保証することができない。
arXiv cs.CL
2026年6月1日
パディング付きトランスフォーマー表現力の再検討:どのアーキテクチャの選択が重要でどれが重要でないのかarXiv:2605.30523v1発表タイプ:新規 概要:最近の研究では、トランスフォーマーがブール回路との接続を通じて計算できること・できないことを説明しているが、既存の結果は正確な特性化を欠き、モデリング選択に対して敏感である。パディング付きトランスフォーマー――入力に「...」などのフィラー記号が追加される――は有用なツールとして出現している。
arXiv cs.LG
2026年6月1日
NVIDIAがWindows PC向けSoC「RTX Spark」を発表。薄型ノートPCでも1440p解像度で100fps以上のゲームプレイが可能に2026年6月1日,NVIDIAは,Windows搭載PC向けの新型SoC「NVIDIARTXSpark」を発表した。「Blackwell」アーキテクチャベースのGPUに加えて,Armベースの独自CPU「GraceCPU」を統合したSoCで,AI処理だけでなく,ゲームやコンテンツ制作といった用途でも…
4Gamer.net
2026年6月2日
Grokers:型付き知識グラフ上のボトムアップ帰納的理解と書き込み時インテリジェンス型付き知識グラフの依存部分グラフのボトムアップ帰納的走査を通じて、永続的で構造化された理解を構築するアーキテクチャ「Grokers」を提示します。すべてのクエリで完全な理解コストを支払う検索増強生成(RAG)とは異なり、Grokersはインテリジェンスを書き込み時にプッシュします。
arXiv cs.AI
2026年6月2日
法律文書分類および要約のためのKANブロックを用いたBiGRUの強化本研究では、低リソース多言語設定での法律文書の分類と要約タスクのための、KANベースのBiGRUモデルの新しいアーキテクチャを提案しています。ドメイン言語に関連する問題に対処し、異なる言語の使用、文脈内の長期依存性に対応することを目指しています。
arXiv cs.CL
2026年6月2日
マルチモデルAIシステムにおける創発的協調的熟慮:認識論的統合のためのBFT派生プロトコルビザンチン障害耐性由来のアーキテクチャである「Consilium Protocol」を提示します。このプロトコルは構造化されたマルチモデルAI熟慮を実現し、モデル間の不一致を誤りではなく認識論的信号として扱います。言語モデルに設計された認知的ペルソナを割り当てることで、モデルが何であるかを分離します。
arXiv cs.AI
2026年6月2日
ワールドモデル:アーキテクチャ、方法論、推論パラダイム、およびアプリケーションの包括的調査環境の構造と動力学を学習する内部シミュレーターであるワールドモデルは、人工汎知能の追求における中心的なパラダイムとして出現し、学習された表現内でエージェントが予測、計画、推論を行うことを可能にしています。強化学習全体で急速な進展が見られています。
arXiv cs.LG
2026年6月2日
モデルネイティブコンピューティングアーキテクチャ: コンピュータアーキテクチャの観点から見た将来のシステムアーキテクチャの構想大規模言語モデルはモデル技術からシステム技術への転換期を迎えています。開発者がCodex、Claude Code、AutoGPTおよび関連エージェントを使用してコードを作成し、プロジェクトを管理し、複数ステップのタスクを実行する際に、キャッシュの再利用、コンテキスト管理、エージェントスケーリングなどの反復的なエンジニアリング課題が発生します。
arXiv cs.AI
2026年6月2日
DLLM-JEPA: マスク付き拡散言語モデルのための結合埋め込み予測アーキテクチャ結合埋め込み予測アーキテクチャ(JEPA)はビジョンにおける自己教師あり表現学習を再構築しています。最近のLLM-JEPAは自動回帰言語モデルにJEPAを移植しましたが、因果注意メカニズムから2つの大きなコストを継承しています:明示的なマルチビュー情報(テキスト-コードペアなど)が必要とされます。
arXiv cs.CL
2026年6月2日
クリーンアーキテクチャを3行で説明してみるはじめに クリーンアーキテクチャって難しいですよね。 最近ではソフトウェアアーキテクチャを考える上で クリーンアーキテクチャ は避けて通れません。 ですが、クリーンアーキテクチャで設計しよう!となった時に、そもそもクリーンアーキテクチャとは... となることが多々あります。
Zenn
2026年6月3日
NVIDIAのWindows PC向けSoC「RTX Spark」はどんなプロセッサなのか。アーキテクチャや性能を考察する2026年6月1日,NVIDIAのGPU技術関連イベントにて,さまざまな新製品やサービスが発表となった。そのなかでも最も多くの関心が寄せられているのが,WindowsPC向けSoCである「NVIDIARTXSpark」だろう。本稿では,ゲーマー向けにRTXSparkの解説と技術的な考察を行う。
4Gamer.net
2026年6月3日
Strands AgentsをLambdaにデプロイし、トレースをAgentCoreオブザーバビリティ(生成 AI オブザーバビリティ)に送るぜやります。人力で書いてるので、短く、端的に行きます。 手順 マネコンでいきます。 Lambdaを新規作成する ランタイムはPython 3.13(3.14はだめ) ARM64アーキテクチャを選ぶ(好み) Lambdaレイヤーを追加する なんと、Strands ...
Qiita 人気記事
2026年6月4日
「Gemma 4 12B」登場 メモリ16GBのノートPCでも動作するマルチモーダルモデル米Googleがオープンなマルチモーダルモデル「Gemma 4 12B」を発表した。エンコーダー不要の統合アーキテクチャを採用し、メモリ16GBのノートPCで動作可能。上位モデルに迫る性能を発揮するという。
ITmedia AI+
2026年6月4日
Google、「Gemma 4 12B」を発表 ~16GBメモリのノートPCでもオンデバイス動作、上位モデルに迫る性能/エンコーダーフリーの新アーキテクチャー採用で実現米Google DeepMindは6月3日(現地時間)、「Gemma 4 12B」を発表した。オープンモデル「Gemma 4」ファミリーの新顔で、他のモデルにはない特徴をもつ。
窓の杜
2026年6月4日
Netskope、新機能「AI Command Center」と新アーキテクチャ「AgentSkope」をリリースNetskope Japan株式会社は6月3日、AI時代のセキュリティとネットワークに関する記者発表会をオンラインで開催した。発表会では、セキュリティ・ネットワーク運用の革新に向けた同社のAI戦略とともに、Netskope One AI Securityスイートの最新機能「AI Command Ce…
クラウド Watch
2026年6月5日
第4のCPU「NVIDIA RTX Spark」、実はNPU搭載でCopilot+ PCになるらしいGPUメーカーとして知られるNVIDIAが、新たなSoC「RTX Spark」を発表した。ArmアーキテクチャのCPUに、NVIDIA BlackwellアーキテクチャのGPU、最大128GBのユニファイドメモリを搭載可能なシステムで、Arm版Windows 11が動作する。
窓の杜
2026年6月5日
ネットスコープ、「AI Command Center」などを発表--AI資産のリスクを可視化(ZDNET Japan)Netskope Japanは6月3日、AI戦略に関する記者説明会を開催した。説明会の中では、新アーキテクチャー「AgentSkope」 および「Netskope One AI Securityスイ
Yahoo!ニュース IT
2026年6月5日
大手半導体企業CEOが明かす、ヒューマノイドロボの難題…「推論ではなく反射こそが課題だ」【COMPUTEX】半導体大手NXPのCEOは、COMPUTEX 2026の基調講演で、フィジカルAIの難題として、人間の神経系に似た物理的なAIアーキテクチャを構築する方法をスピーチしました。
Business Insider Japan
2026年6月6日
現代の GPU アーキテクチャとシェーダー最適化の考え方以前の記事では実際のシェーダーをもとに最適化を行う例を紹介しました。 https://zenn.dev/ruccho/articles/f9a58ae9a48704 今回は GPU のアーキテクチャについて理解を深め、理屈から効果的な最適化の方法を考えてみたいと思います。
Zenn
2026年6月8日
モノレポ時代のディレクトリアーキテクチャはじめに みなさん「タコス」食べていますか? こんにちは、tacosDB 開発責任者です。 タコスが好きすぎてタコスに特化したサイト「tacos DB」を開発しています。 既存のグルメサイトでは探しづらい、トルティーヤや具材などの条件でタコス店を探せるようにしたい、とい...
Qiita 人気記事
2026年6月8日
アップルの第3世代基盤モデルの発表次世代のApple Intelligenceはユーザーを中心に設計され、オペレーティングシステムに深く統合されており、プライバシーを核とした大胆な新しいアーキテクチャによって実現されています。このアーキテクチャの中核にあるのは、Googleとの協業でカスタムビルドされた5つの基盤モデルのファミリーである第3世代Apple Foundation Models(AFM)です。
Apple Machine Learning Research