あーなるほどね

15歳が一人で将棋AIを作ってみました 実力は私より強いのでアマ初段くらいあると思います リプにサイト貼ってるので是非対局してみてください!

X API無料マジか AIでの情報収集が楽になるからありがたい

将棋専用AIとLLMを戦わせたら、そりゃ後者が負けるでしょうなあ。 将棋AIは合法手生成、局面評価、Alpha-Beta探索などに特化したシステムやけど、LLMはそもそも将棋の探索エンジンではないんよね。 そもそも将棋AIとは、 合法手生成 ↓ 探索木の展開 ↓ 評価関数で有望な手を選択する って感じなのに対して、LLMは学習したパターンや推論をもとに次のトークンを生成するものだから全然違う。 しかも、将棋AIは評価関数が単純でも探索によって詰みとか駒の損得を検出できるが、LLMがそれを見落としたからと言って汎用的な推論能力を低いって言うのは早sg 専用アルゴリズムに負けたことをもって推論力が弱いは違うかな。 まあDSが一瞬である程度の将棋AIを作れるのは流石にやりますねスギ

Claudeってアカウントをスコア付けして、減点方式で一定以下の点数になるとBAN、と言う仕組みらしい。 じゃあClaudeにキレたら減点とかいずれ出てきそうだな()

タッチ追加ねぇ... 小中学生の頃はChromebookとかsurfaceを使い慣れてたせいでMacBookにもタッチ欲しいなーとは思ってたけど、もう慣れちゃったしな てかタッチ対応だけで7万変わるのはえぐい ←タッチ搭載版　　同スペの普通版→

LFM3関連のモデルが一気に公開されたので、色々調べたことを備忘録として書いとく。 個人的にはLFM3-1.7Bも面白いんだが、それ以上にd1系のモデルがかなり興味深い。 単純なモデル性能だけでなく、推論コストや学習方法、既存のAgentにどう組み込むかまで考えてみると、結構色々と試したくなるんよなぁ。 ■LFM3-1.7B 公式ベンチマークでは29項目の単純平均で49.37点、Qwen3.5-9Bの47.24点を超えてるらしい。 が、個別に集計してみると14勝15敗で、実は負け越していたりする。 しかもAA-Omniscienceの3項目を除外すると、残り26項目の平均は51.20対51.24とほぼ互角になる。 まぁ別にその3項目を除外するのが正しいというわけではないんだけど、ベンチの平均って項目の数え方によってもかなり印象が変わるなぁと。 面白いのはAgentic Codingの3項目ではQwen3.5-9Bに全敗してるのに、Instruction Followingの4項目では全勝しているところ。 例えばSWE-bench Verifiedは43.4対51.2で負ける一方、IFBenchは73.03対48.84で大幅に勝っている。 んー、これってCoding Agentの頭脳として使うよりも、指示を正確に守らせるための補助モデルとして使うほうが向いているのかもしれない。 ■長考とPost-Training LFM3-1.7Bは長考癖が気になるんだけど、そもそもChat TemplateでThinkingがデフォルト有効になってるらしい。 enable_thinking=Falseで無効化できるものの、公式曰く複雑な推論では挙動が不安定になるかもらしい。 となると全部No Thinkingにするのではなく、簡単なタスクだけThinkingを省略するような切り替えが良さそう。 ちなみにPost-Trainingの構成もかなり凝っていて、 SFT Mixed RL Multi-domain On-policy Distillation Agentic RL という4段階らしい。 6種類の専門RL Teacherを作り、それらを一つのStudentに蒸留してから、さらにAgent環境でRLしている。 しかもMixed RLの報酬には既にLength Penaltyが含まれているそうな。 あれ、じゃあ単純に長い出力を罰するRLを追加してもそんなに改善しない可能性があるのでは...？ ■Contextとメモリ LFM3-1.7Bは24層のうち13層が短いConvolution、5層がSliding Window Attention、残り6層がGlobal Attentionという構成。 KV Headなどの設定値から計算すると、Global AttentionのBF16 KV Cacheだけで 32K：約384MiB 128K：約1.5GiB 256K：約3.0GiB になる。 4bitのモデル本体が約1GBで収まるとしても、256Kを使うとKV Cacheのほうが3倍近く大きくなるわけ。 もちろん他の層のCacheや実行時メモリもあるので、実際にはもっと必要になる。 とはいえ全24層がGlobal Attentionのモデルと比較すれば随分効率が良い構成ではある。 あと256Kへの最終的なContext拡張には50Bトークンが使われていて、これは事前学習全体の22Tトークンの約0.23%しかない。 RULER 128Kも65.56点で、Qwen3.5-9Bの87.11点とは結構差がある。 256K対応だけでは長Contextをどこまで正確に利用できるかは分からないんよね。 ■Tool Use LFM3はDeferred Toolsに対応。Tool Schemaを常時全部Contextに載せず、必要なものだけ動的に読み込めるらしい。 入力トークンを削減できる一方、今度はTool検索のRecallが実行成功率に影響するのか。 あとPrefix Cacheが効いている環境ではSchemaを削減してもコスト面の恩恵は限定的かもしれないし、動的なSchema読み込みによってキャッシュ効率が落ちる可能性もあるから、単純にSchema減らせば良いという話でもなさそうなんよな。 ■LFM3-VL-2B これはデフォルトでも相当優秀なモデルだと思う。 公式の62ベンチマーク平均は71.4点で、GPT-5.6 Lunaの73.4点に結構近い。 ただし内訳を見ると結構偏っていて、Visual Groundingは77.3対72.7でLFM3が勝っているのに、Videoでは61.2対72.8、Agenticでは42.5対56.1と負けてる。 さらにThinkingを無効にすると、Math & Logical Reasoningは68.8から41.0まで下がる一方、GUI Understandingは83.1から81.5にしか下がらない。 ■LFM3-Omni-2BとAudio Omniはテキスト、画像、動画、音声を扱える一方、Contextは32KでThinkingにも非対応。 テキスト専用が256K、VLが128Kなのを考えると、全部ぶち込んでるからといって上位互換になるわけではなさそう？ Audioのほうは16kHz入力、24kHz音声出力で、LiquidCodecは80msの音声を12トークンで表現する仕組み。 この辺は単純なLLMのTokens/sだけでは評価しにくくなってきたなぁ。 ■d1-Omni-2B 個人的には今回一番興味深いモデル。 普通の生成LLMとは違い、トークンを逐次生成せず、1回のForward Passで複数の質問に対する判断を返せる。 分類や選択だけではなく、数値、日付、テキスト抽出、Bounding Boxなども扱えるらしい。 H100では1問あたり5.8ms、M5 Proでも21.1ms。 何が面白いかって、例えば大量の画像を整理するとき、毎回VLMに文章で説明させる必要がなくなることなんよね。 デフォルトの質問セットは16問単位で、質問数を増やすほど処理効率は改善する一方、テキスト系の精度は多少落ちるらしい。 ということは、1回に何問まとめるのが最適かも運用によって変わってくる。 ちなみにd1-Omniは音声対応だけど、音声を使わないならd1-2Bの方が強そう。 ■EmbeddingGemma 2との併用 EmbeddingGemma 2は740MのマルチモーダルEmbeddingモデルだけど、不要なEncoderを読み込まなければテキスト専用270M、画像込み440Mまで削減可能。 さらに出力ベクトルを768次元から256次元まで短縮しても、公式評価では比較的小さな精度低下に収まっている。 100万件のベクトルをFP16で保存するなら、768次元では約1.43GiB、256次元なら約488MiB。 単純計算で検索用のベクトル容量が3分の1。 これとd1を組み合わせて、まずEmbeddingで候補を絞り、d1で分類や情報抽出を行い、難しいものだけ生成VLMへ渡す構成が結構良さげ。 動画編集なら何万フレームも順番に生成VLMへ渡すより、先に関連区間を検索して必要なところだけ解析するような構成にしたい。 ■ProgramBench やっと最後。 200タスクのうち、Opus 5.5 xhighが完全解決したのは18.5%。 一方、95%以上のテストを通過したタスクは70.5%もある。 つまり141タスクがほぼ完成に近い状態なのに、そのうち104タスクは完全解決には至っていない。 というか、これだけ高性能なモデルでも最後の数%を埋められないタスクが大量にあるというのがおもろい。 さらにMuse Wonderは平均テスト通過率88.5%でOpusの87.7%を上回っているのに、完全解決率では8.5%対18.5%で大きく負けている。 しかもこのベンチは元のソースコードを見せず、実行ファイルとドキュメントだけを渡して再実装させるもので、コードの修正とはまた別の能力を測っているので、普通のSWE-benchとは違った評価軸になりそう。 ■雑感 こうして並べてみると、小型モデルの進歩って単純にパラメータ数あたりの知能が向上したというだけの話ではなさそう。 汎用的に文章を生成する能力と、決められた条件を高速に判定する能力、それから大量の情報を検索する能力はそれぞれ別の問題であって、全部を一つの生成モデルに任せる必要もないわけだ。 逆に何でも一つのモデルで処理しようとすると不要な推論を大量に行っていたり、必要のない能力のためにメモリを消費している可能性もある。 モデルがどんどん小さくなっていくなら、今後は大型モデルと小型モデルを比較するだけじゃなくて、複数の小型モデルを組み合わせたシステムと大型モデル単体の比較も面白くなってきそう。 もちろんモデル間の転送や管理にもコストがあるので、小さく分割すれば良いというわけでもないが。 んまー、とりあえずd1とEmbeddingGemma 2の組み合わせは一度ちゃんと実験してみたいところ。

見てきたけどやっぱ脆弱性っぽいものあるな〜 絶対Base44で作っただろコレ せめてAstra使え

高専祭のイベントのサイト、完全vibeで泣く

マジでこれ。 特に日本はもっとこの辺りを重視するべきだと思うんですよねー。 国産の高性能な基盤モデルを開発することももちろん重要ですけど、それと同時に国内の研究者や若手がGPUを気軽に使えてオープンウェイトモデルを事後学習して、実際の企業や産業に導入できる環境を整えないと結局海外の技術に依存し続けることになる気がします。 そもそもAIに興味を持った若手が計算資源の費用を理由に研究や開発を諦めるような状況って国家としてかなり損失が大きいと思うんですよね。 研究者や企業に数億円単位で支援するのもいいですけど、もっと広い層に計算資源を提供して国内でAIを開発/改良できる人間そのものを増やす施策も本気でやるべき。

【悲報】Seedance、INMU KINGをBAN

ちなみに我が高専でもAIは当然のように使われます。 まずレポート作成はChatGPT(無料版)をほぼ全員使用します。もちろんそのままコピペするバカはいないと思いますが、積極的に使ってる印象です。 画像生成AIも割と使われてます。 例えば授業中にわからないところがあれば、視覚的にわかりやすくGPTやGeminiに画像で解説してもらう人もいます。高専祭の何かのデザインを決めるときも一度AIで整理してから人力で描くって感じです。 あとはZ◯taとかやってる女子も多いです。 もうAIは日常生活に欠かせないものになっていて、マイナスのイメージを持っている小中高生はほぼいないと思います。 これからAIを使いこなす能力が当たり前のように求められる時代になると思いますが、重要なのはAIを使っているかどうかではなく、どう使っているかなんですよね。 子どもを持つ親御さんには、AIを使うこと自体を心配するよりもAIが出したものをそのまま脳死で受け入れていないか、自分で考えて判断できているかを気にしてほしいです。 AIの利用を遠ざけるより、試行錯誤しながら使いこなせるようになる方が将来の選択肢を広げることにつながると思います。