Hayashida (@rinchi_math) header
Hayashida (@rinchi_math) profile picture

数学系→メーカー(研究職)→IT企業(DS)/最近は主に推薦システムの開発をしてます/修士(理学) / 統計モデリングと資産運用に興味があります/All opinions are my own.

宇治市→東京都
Joined June 2011
Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)Photo by Hayashida (@rinchi_math)
講談社サイエンティフィク様より『線形代数の半歩先』をご恵贈いただきました。 線形代数の具体的な応用例を通じて、その学習の意義を深く体感できる一冊です。 「なぜ線形代数を学ぶのか?」という疑問を持つ方に、特におすすめの一冊です。 大学で指定されている教科書の副読本としても是非。
1
1
13
3,385
AI のお陰で個人研究が進む
1
93
今野北斗さん「私のところで大学院入学を希望する方へ―AIについての追記」 ms.u-tokyo.ac.jp/~konno/grad…
1
216
25
762
132,174
「AI と研究」という記事を書きました IBIS 2026 のパネルディスカッションが非常に面白かったので、学生でも大御所でもない立場から、私が最近考えていることを率直に書きました 『基盤モデルのための強化学習』をなぜ執筆したのかについても軽く触れています 同じように悩んでいる方に届けば嬉しいです 😎 akifumi-wachi-4.github.io/we…
40
3
236
98,671
北川源四郎名誉教授が「瑞宝中綬章」を受章 ism.ac.jp/kouhou/news/202611…
1
15
2
60
8,593
2年前に推薦システムにおけるSemantic ID の論文を読んだ時は、アイテム ID を意味を持った ID で表して効率化という程度の理解しかしていなかったが、item を意味を持った token で表せることができるので、精度が高いGenerative Recommendation を実現できるんじゃね?という流れにようやく気づいた
2
1
19
1,580
レコメンド候補生成ロジックへのめりっともある。例として、ユーザーが最後に閲覧したアイテムを基準にベクトル類似度による候補生成ロジックが動いているとする。 このとき、semantic id (SID)を使うと、基準となるアイテムの SID が[11, 45, 89]の場合、2階層目までの SID が一致するアイテムを
1
1
2
171
レコメンド候補として引っ張ってくるという使い方もできるので、ベクトル類似度の計算をしなくていいので処理が早くなる。 こういった使い方もできるので、SIDを作る元となる埋め込みベクトルのサイズを大きくして表現力を上げるという打ち手もできるのもメリットに感じる
1
99
herdr + git worktree で実装は進むが頭が追いつかず大変だ
107
これ読むと、日本の高校における数学教育は受験に重きを置きすぎていて、数学のもつ本来の面白さを十全に伝えきれていないと思ってしまう。自分が出会ってこなかっただけでこういう教員は沢山いるんだろうなぁ。 ms.u-tokyo.ac.jp/~oshima/pap…
3
412
148
3,881
1,077,500
DeNA強いなあ
151
Ubuntu サーバーからローカル LLM を opencode から呼び出せるようにしたはいいが、タスク中に推論キャンセルさせても、LLM 側には伝わらないの面倒やな
114
ベッドに入って1時間経つが全く寝れないな
93
ここに書かれているマネージャー向けの思考できない人がレポートラインにいるとメンバーは疲弊して病んじゃうんだよなあ
優秀なプレイヤーがマネージャーになると必ずぶつかる「壁」ですね。 プレイヤーは100点満点のテストを1人で解く個人ゲームです。一方でマネージャーになると、部下が獲得した点数の合計で勝負することになります。 つまりプレイングマネージャーになって、3人の部下を100点に仕上げてボロボロになるよりも、 10人の部下に60点を取らせるほうが評価されるということです。 「自分でやったら100点取れるのに…」という思考から抜け出せるかどうかがポイントですね。
4
675
面白そうw
LLM Among usガチでアツい、もう少しで動画を作ってみんなにも見せたい
430
牛尾剛さんが「エンジニア、マジでいらんようになるのかな」と思ったのは、長いキャリアでもAIが初めてだったそう UMLでもローコードでも感じなかった危機感 でもそこからAIエージェントを「死ぬほど使い倒した」結果、見えてきたものがあるという AIに仕事を奪われるのが怖いエンジニアにこそ、読んでほしい話です 記事:type.jp/et/feature/31685/
1
62
11
645
519,609
【🌟近刊予約受付中🌟】 \ 2026年10月20日(火)発売 📝/ 和地瞭良[著] 『基盤モデルのための強化学習』 ◆岡野原大輔さん推薦‼️◆ 【推薦の言葉】 基盤モデルの性能を引き上げるうえで、強化学習は中核的な役割を担っている。 本書は、強化学習の基礎から、基盤モデルの事後学習を支える理論と手法、推論時スケーリング、Agentic RLまでを体系的に解説した、世界的にも類書の少ない一冊である。 なぜ強化学習が必要なのか、その可能性と限界を、理論と実例の両面から明快に示す。 AIの今後を見通すうえで、本書は重要な羅針盤となるだろう。
1
25
9
145
29,803
ナビエ-ストークス方程式は滑らかな解が常に存在しないことをAIが証明して、否定的に解決したのか。 wiki見ると10年前から特異点を形成し得るかも?という流れだったのかな しかしここにもテレンス・タオさん
Replying to @OpenAI
The group produced an analytical proof and Lean formalization that via Navier-Stokes dynamics a fluid can develop a singularity in finite time. The solution is a vortex, a spinning swirl of fluid, that spirals inward and gets increasingly elongated, like spaghetti. cdn.openai.com/pdf/32d9f210-…
1
9
2,294
Lean 使って証明の検証したとあるので正しいのかなと思っているけど、どうなんだろう
124