News in Focus

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。

  1. 2026年5月15日

    データサイエンスチームがCodexを使用する方法

    データサイエンスチームがCodexを使用して、実際の業務入力から根本原因ブリーフ、インパクト報告書、KPIメモ、スコープ分析、ダッシュボード仕様を構築する方法をご紹介します。

    OpenAI

  2. 2026年5月27日

    AgentWatch:アンビエントエージェントを使用したAWSプロアクティブモニタリング

    AgentWatchの機能を実際の導入を通じて実証します。ソリューションがCloudWatchメトリクスを要約しながら、15分ごとにインフラストラクチャチェックを実行する方法を紹介します。

    AWS Machine Learning Blog

  3. 2026年5月29日

    AWSでLangSmithを使用したディープエージェントの評価

    LangChainのディープエージェント評価に関する知見とAnthropicのAIエージェント評価ガイドを組み合わせた実践的なガイドです。このポストでは、以下の方法を学べます:1) AIエージェント向けの評価メトリクスの実装、2) LangSmithを使用した評価の実行、3) AWSインフラストラクチャでの統合方法など。

    AWS Machine Learning Blog

  4. 2026年5月29日

    REST APIプロキシを使用したAmazon SageMaker MLflowへの外部アクセスの合理化

    この投稿では、MLflow SDKを必要とせずにAmazon SageMaker MLflowへのHTTPSアクセスを提供するセキュアなフラスクベースのMLflowプロキシサービスの構築方法を実証する。このソリューションは組織向けのものである。

    AWS Machine Learning Blog

  5. 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

  6. 2026年5月29日

    Amazon SageMakerでアゼルバイジャン言語モデルの構築

    アゼルバイジャンの大手通信事業者であるアゼルセル・テレコムLLCは、通信ユースケースとカスタマー向けアプリケーション用にAmazon SageMaker AIでアゼルバイジャン大規模言語モデル(LLM)を構築したいと考えている。

    AWS Machine Learning Blog

  7. 2026年5月29日

    カリキュラムのカスタマイズ:動的データ・モデル互換性による学生中心の推論蒸留

    arXiv:2605.29229v1 文書の発表。推論蒸留は大規模言語モデル(LLM)から小規模モデルへ複雑な推論能力を転移させますが、その成功は訓練データが学生モデルとどの程度合致しているかに依存します。本論文では、データ・モデル互換性(DMC)メトリクスを導入し、その適合性を評価するために使用できます。

    arXiv cs.AI

  8. 2026年5月30日

    Amazon SageMaker AI LLM推論の包括的なオブザーバビリティ:GPU利用率からLLM品質まで

    本投稿は、Amazon Managed Grafanaダッシュボードを使用した包括的なオブザーバビリティソリューションを実演し、Amazon SageMaker AIで提供されるLLMの品質と数量の両側面をホリスティックに把握できる。

    AWS Machine Learning Blog

  9. 2026年6月2日

    LLM語彙バイアスの分離:選好段階学習のための キュレーション不要な三角測量メトリクス

    様々な言語領域は近年著しい変化を遂行しており、これらの変化は大規模言語モデルの出現と自然言語使用との整合性の欠如に主に起因しています。これらの不整合は選好学習段階(強化学習など)の一部に由来すると考えられています。

    arXiv cs.CL

  10. 2026年6月3日

    「Excelの集計屋」から「経営の参謀」へ――データとAIで変える管理会計の未来【後編】

    前編では、管理会計がExcelの集計作業に埋もれている現状と、そこから抜け出すためのデータ基盤づくりについて書いた。アウトプットから逆算して設計し、マスタを整え、ダッシュボードを定着させる。ここまでが「集計屋」を脱するための土台だ。

    クラウド Watch

  11. 2026年6月3日

    進捗や目標を投入→AIが分かりやすいWebダッシュボードに、チーム間共有も OpenAI、Codexに新機能「Sites」

    米OpenAIは6月2日(現地時間)、AIコーディングツール「Codex」の新機能「Sites」を発表した。生成したアイデアや成果物をWebサイトやアプリに変換し、URLでチームに共有できる。

    ITmedia NEWS 速報

  12. 2026年6月4日

    Amazon SageMaker AIでSFTとDPOを使用してエージェントのツール呼び出し精度を向上させる

    この投稿では、Supervised Fine-Tuning (SFT) と Direct Preference Optimization (DPO) を組み合わせて、小規模言語モデル (SLM) のツール呼び出し精度を向上させる方法について説明します。

    AWS Machine Learning Blog

  13. 2026年6月4日

    FundamentalのLarge Tabular Model NEXUSがAmazon SageMaker JumpStartで利用可能に

    本記事では、Amazon SageMaker JumpStartでNEXUSの使い始め方を紹介し、デプロイプロセスについて説明し、エンタープライズデータセットに対して予測を実行する方法を実演します。

    AWS Machine Learning Blog

  14. 2026年6月4日

    日本における「AIのものさし」を作る 東大松尾研らが「Japan AI Index」始動

    東京大学松尾・岩澤研究室、PKSHA Technology、Anthropicは4日、日本での生成AIの社会的インパクトを継続的に観測・分析するための基盤「Japan AI Index」の構築に向けた協業を発表した。初回のレポートとダッシュボードは、2026年10月~11月を目途に公開する。

    はてなブックマーク IT

  15. 2026年6月5日

    NVIDIA Nemotron 3 UltraがAmazon SageMaker JumpStartで利用可能に

    NVIDIA Nemotron 3 UltraをAmazon SageMaker JumpStartにデプロイできるようになった。このフロンティア推論モデルにより、エージェンティックAIワークロードで5倍高速な推論と30%低いコストが実現される。

    AWS Machine Learning Blog

  16. 2026年6月5日

    Facebook、クリエイター向けAIツール「Creator Assistant」を発表。面倒なコンテンツ分析とアイデア発見を支援(テクノエッジ)

    Metaが、Facebookのクリエイター向けダッシュボード上にAIツール「Creator Assistant」を導入すると発表しました。米国・カナダ・インドで展開が始まっています。 優れたクリエイ

    Yahoo!ニュース IT

  17. 2026年6月5日

    Picaro.AI、Amazon広告運用に「市場シェア可視化」機能を追加--SQPダッシュボードで、広告指標だけに頼らない入札判断を実現

    Picaro.AI、Amazon広告運用に「市場シェア可視化」機能を追加--SQPダッシュボードで、広告指標だけに頼らない入札判断を実現

    ASCII.jp

  18. 2026年6月6日

    Claude更新によるAIシステムの影響管理:本番環境での対応事例

    企業のデータ分析業務を効率化するAIシステムの運用課題が注目を集めている。従来、アナリストや営業マネージャーが複数のダッシュボードやビジネスインテリジェンスツールから手動でデータを収集・集約していたプロセスを、自然言語処理技術を活用して自動化する取り組みが進展している。 ユーザーが英語で質問を入力するだけで、システムがそれをAPI呼び出しに自動変換し、必要なデータを即座に取得する仕組みだ。これにより業務効率が大幅に向上する一方で、AIモデルの更新時における安定性の維持が課題となっている。 本番環境での運用を継続しながらシステムを更新する際、予期しない動作変化や精度低下のリスク管理が重要だ。専門家は段階的なロールアウトやテスト環境での十分な検証を推奨している。こうした事例は、生成AIの業務活用が進む中で、信頼性と利便性のバランスを取ることの重要性を示している。 (引用元:VentureBeat AI)

    VentureBeat AI

  19. 2026年6月8日

    Copilot Pro移行後の実測 — 付属は1,500クレジット、でもCLIは2回で16クレジット消えた

    2026年6月5日時点の情報です。GitHub 公式ドキュメントおよび自分の課金ダッシュボードの実測値をもとに執筆しています。価格・仕様は変動します。 この記事は、4月に書いたCopilot 従量課金の試算記事の 答え合わせ だ。

    Zenn

  20. 2026年6月9日

    Amazon SageMaker AIとFHEによるエンドツーエンド暗号化ML推論

    本ブログではこれまでML推論向けのFHE(完全準同型暗号)について「Amazon SageMakerエンドポイントで安全でリアルタイムな推論を実現する完全準同型暗号の有効化」という記事で論じてきたが、本稿はさらに一歩進めたものである。前の記事ではSEALという低レベルライブラリを使用して線形回帰アルゴリズムを手動で実装することでFHEベースの推論を「ゼロから」実装する方法を示していた。

    AWS Machine Learning Blog

  21. 2026年6月10日

    Amazon SageMakerとNew Relicでエージェント型インシデントトリアージアシスタントを構築

    この記事では、エンジニアリングチームが最も時間的制約のあるワークフローの1つであるインシデントトリアージに、その原則をどのように適用できるかを紹介します。Amazon SageMakerと、New Relic Model Context Protocol (MCP) ServerおよびAsanaとのネイティブ統合をオーケストレーションするカスタムインシデントトリアージアシスタントエージェントを構築…

    AWS Machine Learning Blog

  22. 2026年6月10日

    Amazon SageMaker AI上のNVIDIA Isaac Labでロボット強化学習をスケールアップ

    本稿では、Amazon SageMaker AI上のNVIDIA Isaac Labを使用して、Unitree H1ヒューマノイドロボットのポリシーをトレーニングする方法を、Amazon SageMaker HyperPodとAmazon SageMaker Training Jobsの2つのコンピューティングオプションで紹介します。

    AWS Machine Learning Blog

  23. 2026年6月11日

    不完全な二値フィードバックを持つレストレスバンディット:PCLインデックス可能性の解析と計算

    arXiv:2606.11192v1 発表タイプ:新規 要旨:本研究では、センシングエラーを伴う機会的スペクトルアクセスに着想を得て、二値潜在状態と不完全な二値フィードバックを持つレストレスバンディットを研究します。関連する belief-state モデルに対し、実数状態割引レストレスバンディットの検証定理に基づき、インデックス可能性の確立とWhittleインデックスの評価のための partial conservation laws (PCL) ベースの解析的および計算的フレームワークを開発します。このフレームワークは、関連する決定論的スケルトン、更新分解、および単語上の組合せ論を通じて確率的ダイナミクスを解析します。これにより、いくつかの閾値レジームにおける割引報酬とリソースメトリクスについて解析可能な表現が得られ、そこでのPCLインデックス可能性条件の完全な検証が可能になります。本論文では完全な解析的検証が達成されていない残りのレジームについては、関連する周辺メトリクスと周辺生産性 (MP) インデックスを計算するための効率的な数値スキームを導出します。

    arXiv cs.LG

  24. 2026年6月12日

    Sparklinesとカスタムソートで、Amazon QuickSightのトレンド把握とデータ整理がさらに効率的に

    Amazon QuickSightに、ダッシュボードをより表現豊かに、ビジネスニーズに沿ったものにするための新機能として、スパークラインとコントロールのカスタムソートが本日発表されました。この記事では、両機能の概要、活用シーン、設定方法、そして実用的な意思決定を支援するダッシュボードへの統合方法について、具体的なシナリオを交えて解説します。

    AWS Machine Learning Blog

  25. 2026年6月13日

    自治体財政の可視化ツール公開 団体間比較も容易に―総務省

    総務省は、自治体の財政状況を分かりやすく把握するための可視化ツール「地方財政ダッシュボード」を公開した。国が持つ都道府県や市町村の歳入・歳出、財政指標といったデータについて、パソコンの簡単な操作でグラフや色分け地図にして分析することができる。

    時事通信

  26. 2026年6月16日

    ReportQA: QAベースの放射線レポート評価

    放射線レポートの評価は、自動レポート生成の進歩に不可欠です。自然言語生成メトリクスは臨床的関連性が限定的です。臨床的有効性(CE)メトリクスは重要な医学的所見を評価しますが、主に存在に焦点を当て、限定的なエンティティしかカバーしません。手動アノテーションへの重い依存により、CEメトリクスが臨床エンティティや属性を拡張することは困難です。臨床現場では、放射線レポートは情報伝達の媒体として機能します。臨床医は、画像を直接検査することなく、下流の診断タスクを実行するためにこれらを使用します。この洞察に基づき、放射線レポート生成システムの詳細な定量的分析をサポートする、臨床関連で柔軟な放射線レポート評価フレームワークであるReportQAを提案します。まず、複数の画像モダリティと解剖学的領域をカバーするデータセットを収集します。次に、放射線科医のガイダンスを得て臨床エンティティと属性の知識ツリーを構築し、大規模言語モデル(LLM)を使用して生のレポートから構造化情報を抽出します。

    arXiv cs.CL

  27. 2026年6月17日

    Amazon SageMaker AIでP-EAGLEによる並列投機的デコーディングを実現

    この記事では、Amazon SageMaker AI内でP-EAGLEを直接使用する方法を解説します。SageMaker JumpStartカタログから互換性のあるモデルを選択し、並列ドラフトの仕様を設定して、生成AIアプリケーションを高速化する高度に最適化されたリアルタイムSageMaker AIエンドポイントをデプロイする方法をデモンストレーションします。

    AWS Machine Learning Blog

  28. 2026年6月17日

    Amazon SageMaker AIにおけるコンテナキャッシュ機能の導入による、より高速なモデルスケーリング

    本日、Amazon SageMaker AI推論におけるコンテナイメージキャッシュ機能を発表できることを嬉しく思います。これは、より高速なスケーリング最適化の旅における次なる大きな進歩です。これにより、スケールアウトイベント中の生成AIモデルのエンドツーエンドレイテンシが最大2倍高速化されます。

    AWS Machine Learning Blog

  29. 2026年6月17日

    スキルチェーンジム:変動下におけるリスキリングを考慮した生産・在庫管理のためのベンチマーク

    生産計画においては、労働力の能力を意思決定変数として扱う必要がますます高まっています。なぜなら、スキルが維持されなければ認証が失効し、新製品には現在の労働力が持っていないスキルが必要であり、リスキリングは生産に必要な同じ労働時間と競合するからです。既存のオペレーションベンチマークでは、通常、労働力を外生変数として扱いますが、スキルと学習を考慮した労働力計画モデルが再利用可能なテストベッドとして公開されることはめったにありません。本稿では、リスキリングを考慮した生産・在庫管理のためのベンチマーク仕様であるスキルチェーンジムを提案します。これは、様式化された作業員のスキル状態ダイナミクス、ハードスレッショルド認証、忘却、そして生産と同じ労働時間予算によって制約される能力消費型トレーニングアクションを備えた単一サイト環境です。このベンチマークには、シード制御された障害シナリオ、予測診断付きの3つの実現可能性モード、決定論的リプレイ、およびオペレーション、レジリエンス、能力成長、トレーニングアクセス分布をカバーするメトリクスが含まれています。

    arXiv cs.AI

  30. 2026年6月18日

    Amazon SageMaker AI Async Inference、インラインリクエストペイロードをサポート

    Amazon SageMaker AI Async Inference がインラインペイロードをサポートするようになりました。これにより、顧客は InvokeEndpointAsync API のリクエストボディに直接推論ペイロードを送信できるようになり、各呼び出しの前に Amazon S3 に入力データをアップロードする必要がなくなりました。

    AWS Machine Learning Blog