
Pythonista & vimmer & PyVista Developer team Core Develop #PyVista & @SciPyConf tutorial co-chair & member of @NumFOCUS icon from @pyconjapan views mine
日本
Joined November 2010
- Tweets32.6K
- Following2.4K
- Followers1.9K
- Likes99.6K
Tetsuo Koyama(he/him) retweeted
𝐋𝐞𝐚𝐧 𝟒.𝟑𝟔.𝟎 𝐢𝐬 𝐥𝐢𝐯𝐞! This release brings 222 changes, including 30 performance improvements, new 𝚐𝚛𝚒𝚗𝚍 and 𝚋𝚟_𝚍𝚎𝚌𝚒𝚍𝚎 capabilities, and experimental exception support in contracts.
Notable improvements include:
• Performance work including a type class cache kept between commands and the removal of several quadratic slowdowns; Mathlib now builds roughly 12% faster
• 𝚐𝚛𝚒𝚗𝚍's bit-vector and fixed-width integer homomorphisms now cover masks, concatenation, rotations, signed comparisons, shifts, and exponentiation
• 𝚋𝚟_𝚍𝚎𝚌𝚒𝚍𝚎 supports uninterpreted functions via +𝚞𝚏, adding congruence facts as needed (for functions returning 𝙱𝚘𝚘𝚕 or 𝙱𝚒𝚝𝚅𝚎𝚌)
• Experimental 𝚝𝚑𝚛𝚘𝚠𝚜 clauses let a 𝚍𝚎𝚏 contract state what holds when the function throws
🔗 𝐅𝐮𝐥𝐥 𝐫𝐞𝐥𝐞𝐚𝐬𝐞 𝐧𝐨𝐭𝐞𝐬: lean-lang.org/doc/reference/…
#LeanLang #LeanProver #FormalVerification
Tetsuo Koyama(he/him) retweeted
【スピーカー紹介】Nicholas Dwiarto — 競合がなくても、エラーは起こる:ブラウザーからPythonへ、Pydanticで検証するCRDT
Nicholasさんは、インドネシア出身で、日本を拠点に活動するソフトウェアエンジニアです。週末は東京のさまざまな街を散策したり、近郊の山でハイキングを楽しんだりして過ごしています。技術や金融をはじめ、好奇心をくすぐる幅広いテーマの本や記事を読むのも好きだそうです。
今回の講演では、共同編集アプリケーションの開発で直面する、興味深い課題を取り上げます。CRDT(Conflict-Free Replicated Data Types:競合のない複製データ型)は、複数のユーザーが共有データを同時に編集でき、オフラインで行った変更も後から自動的に統合できる仕組みです。ただし、「競合しない」ことは、「エラーが起きない」ことを意味しません。一つひとつは正しい変更でも、組み合わせた結果、データが満たすべき条件に違反してしまうことがあります。
Nicholasさんは、ブラウザー側にY.js、サーバー側にPythonを使って共同編集アプリケーションを構築し、あえて不具合を起こしてみます。そして、一度統合した変更を単純に拒否するわけにはいかない状況で、Pydanticによるデータ検証がどのように役立つのかを探ります。
分散システムや、Pythonを使った共同編集アプリケーションの開発に関心がある方にとって、興味深いセッションになりそうです。
🎟️ PyCon mini Tokyo with PythonAsiaでお会いしましょう!
お申し込みはこちら:pyconjp.connpass.com/event/4…
Tetsuo Koyama(he/him) retweeted
作るのはAI、仕組みは人 〜yomiyasuから学ぶ、ループとハーネスの設計〜 に参加を申し込みました! forkwell.connpass.com/event/… #Forkwell_yomiyasu
Tetsuo Koyama(he/him) retweeted
【スポンサー紹介】
PyCon mini Tokyo with PythonAsia conference に、Gold スポンサーとして 一般社団法人Pythonエンジニア育成推進協会 さんにご協賛いただいています!
ご協賛、本当にありがとうございます🙏
会場のブースにも、ぜひお越しください!
🏢 企業URL
日本語:pythonic-exam.com/
English:pythonic-exam.com/en
🤝 あなたの会社も、一緒に盛り上げるスポンサーになりませんか?(11/30 締め切り)
docs.google.com/forms/d/e/1F…
📅 イベントの参加申込(connpass)
pyconjp.connpass.com/event/4…
#pycontokyo_with_pao
Tetsuo Koyama(he/him) retweeted
ただいま取得できる #技術書典 21の入場券(無料)は「昼から参加(12:00以降)」「午後から参加(13:00以降)」「ゆっくり参加(14:00以降)」の3枠です。入場券は技術書典公式サイトで購入できますが、「朝から参加(11:00以降)」の枠は既に発券終了となっています⚠️
blog.techbookfest.org/2026/1…
Tetsuo Koyama(he/him) retweeted
【About the Speaker】Prashant Anand @primaprashant
— Speculative Decoding in 100 Lines of Python
Prashant is the founder of Artifact Four and writes Agentic Coding Weekly. Before that, he spent six years as an ML engineer at Mercari, building production machine learning systems.
His talk is refreshingly concrete. Tools for running LLMs locally, such as llama.cpp, increasingly use a technique called speculative decoding to speed up inference. The idea is to pair a large model with a smaller one: the smaller model predicts the next few tokens, and the larger model verifies those predictions in a single pass.
In around 100 lines of Python, Prashant walks through how the technique works, why language models are slow in the first place, and how the verification process can produce exactly the same output as running the larger model on its own. He'll also run the code on real examples, exploring how many predictions get accepted and why some kinds of text are easier to predict than others.
If you've ever wanted to understand what's happening under the hood of local LLM inference, rather than just tweaking a configuration flag, this is the session for you.
Tetsuo Koyama(he/him) retweeted
【スポンサー紹介】
PyCon mini Tokyo with PythonAsia conference に、Gold スポンサーとして 株式会社RevComm さんにご協賛いただいています!
温かいご支援、ありがとうございます🙏
当日はブースでもお会いできます。気軽に話しかけてみてください!
🏢 企業URL
日本語:revcomm.com/ja/
English:revcomm.com/en/
🤝 あなたの会社も、一緒に盛り上げるスポンサーになりませんか?(11/30 締め切り)
docs.google.com/forms/d/e/1F…
📅 イベントの参加申込(connpass)
pyconjp.connpass.com/event/4…
#pycontokyo_with_pao
Tetsuo Koyama(he/him) retweeted
【特別協賛】
PyCon mini Tokyo with PythonAsia conference は、特別協賛の GMOインターネットグループ株式会社 さんに、会場(GMO Yours・フクラス)をご提供いただいています!
ご支援ありがとうございます🙏
当日はブースも出展いただきます。会場でぜひお立ち寄りください!
🏢 企業URL
group.gmo/
🤝 あなたの会社も、一緒に盛り上げるスポンサーになりませんか?(11/30 締め切り)
docs.google.com/forms/d/e/1F…
📅 イベントの参加申込(connpass)
pyconjp.connpass.com/event/4…
#pycontokyo_with_pao
#GMOインターネットグループ
Tetsuo Koyama(he/him) retweeted
【スピーカー紹介】Prashant Anand — 100行のPythonで学ぶ投機的デコーディング
Prashantさん @primaprashant はArtifact Fourの創業者で、「Agentic Coding Weekly」を執筆しています。それ以前はメルカリで6年間、機械学習エンジニアとして、本番環境の機械学習システムの開発に携わっていました。
今回のテーマは、LLMの推論を高速化する「投機的デコーディング(Speculative Decoding)」。llama.cppなど、LLMをローカルで動かすツールでも活用が広がっている技術です。ポイントは、大きなモデルと小さなモデルの役割分担。小さなモデルが文章の続きを数トークン分先読みし、大きなモデルがその予測を1回の処理でまとめて確認します。
そもそも、LLMの文章生成にはなぜ時間がかかるのでしょうか。そして、大きなモデルだけで生成した場合と同じ出力を保ちながら、どうすれば処理を速くできるのでしょうか。Prashantさんは、約100行のPythonコードを通して、その仕組みを解説します。
さらに、実際にコードを動かしながら、小さなモデルの予測がどのくらい採用されるのか、文章の種類によって予測のしやすさが異なるのはなぜかも探ります。
ローカルLLMの裏側で何が起きているのかを理解したい方に、おすすめのセッションです。
#pycon_tokyo_with_pao
Tetsuo Koyama(he/him) retweeted
Velocity Matching is now on arXiv.
"Learning to evolve by matching velocities", w/ Andrea Manzoni
arxiv.org/abs/2611.00448
We introduce Velocity Matching, a simulation-free regression objective for learning neural ODE surrogates of physical systems, alongside a theoretical framework motivating velocity-based learning.
Details in the thread below.
#AI4Science #SciML
Tetsuo Koyama(he/him) retweeted
Performance portable LLM inference in Fortran (beating llama.cpp/vllm on H200)
fortran-lang.discourse.group…
Tetsuo Koyama(he/him) retweeted
PyCon mini Tokyo with PythonAsia conference pyconjp.connpass.com/event/4… #pycontokyo_with_pao
Tetsuo Koyama(he/him) retweeted
🚀 گوگل یک PDF نهصفحهای درباره Harness Engineering منتشر کرده؛ مفهومی که به نظرم باید هر کسی که با AI Agent کار میکند، جدی بگیرد.
فرمول اصلی ساده است:
Agent = Model + Harness
یعنی مدل هوش مصنوعی بهتنهایی ایجنت نیست. چیزی که آن را به یک نیروی اجرایی قابلاعتماد تبدیل میکند، زیرساختی است که دور آن میسازیم.
اما این زیرساخت از چه چیزهایی تشکیل میشود؟
۱. Guides: قوانین و دستورالعملهایی که تجربه شکستهای قبلی را به دانش دائمی تبدیل میکنند.
۲. Sensors: تستها، Linterها و ابزارهای اعتبارسنجی که اجازه نمیدهند هر خروجی اشتباهی به مرحله بعد برود.
۳. Agentic Loop: چرخه برنامهریزی، اجرا، بررسی و اصلاح؛ با محدودیت بودجه و امکان ارجاع به انسان.
۴. External Memory: حافظهای خارج از مدل برای حفظ تصمیمها، وضعیت پروژه و دستاوردهای جلسات قبلی.
۵. Permissions: کنترل دسترسی ایجنت به ابزارها و تعیین مرز استقلال آن.
۶. Observability: ثبت و پایش تمام فعالیتها، هزینهها، خطاها و تلاشهای مجدد.
اما داستان اینجا تمام نمیشود!
چند پروژه متنباز برای ورود عملی به این حوزه:
🔹 Google Harness²
github.com/google-research/h…
🔹 Learn Harness Engineering
github.com/walkinglabs/learn…
🔹 Awesome Agent Harness
github.com/Gloriaameng/Aweso…
🔹 Harness Engineering
github.com/TrishamBP/harness…
و حالا یک مفهوم جذابتر:
Graph Engineering
تصور کن چند ایجنت مستقل داشته باشی که هرکدام Harness مخصوص خودشان را دارند.
یکی تحقیق میکند، دیگری تحلیل میکند، سومی کدنویسی میکند و چهارمی خروجی را اعتبارسنجی میکند.
حالا اگر یکی شکست بخورد، شکستش میتواند به سیگنالی برای اصلاح عملکرد بقیه تبدیل شود.
اینجا دیگر با یک چتبات یا ایجنت ساده طرف نیستیم؛ با یک سیستم اجرایی چندایجنتی روبهرو هستیم.
یک نکته که نباید فراموش کنیم:
Hermes را میتوان بهعنوان محیط اجرای ایجنت در نظر گرفت؛ جایی که ابزارها، مهارتها، حافظه و گردشکارها کنار هم قرار میگیرند.
Harness Engineering کمک میکند این محیط را قابلکنترل، قابلاندازهگیری و قابلاعتماد کنیم.
به نظرم آینده متعلق به کسانی نیست که صرفاً مدل قویتری انتخاب میکنند؛ بلکه متعلق به کسانی است که سیستم بهتری دور مدل میسازند.
مدل، مغز است؛ Harness، سیستم اجرایی؛ و Graph، شبکه همکاری مغزهاست.
github.com/shiguredo/deepsee… 時雨堂 DSH フォークを更新しました。 Ollama Cloud のモデルを更新、1017 ラベル削除しました。また、自動化タスク利用時にプロバイダー、モデル、推論レベルを指定できるようにしました。もし良ければどうぞ。
speakerdeck.com/daishukojima…
E2E Platform!?
これですよ!!自社サービス勢の求めてるものは!!!
📊 耶鲁计算机博士生刘晨把自己发 Nature 子刊和 NeurIPS 的论文配图脚本全开源了,figures4papers 让你的论文图一眼看上去就有顶会的样子。
figures4papers 在 GitHub 揽获 1.1 万 star,也上了 HelloGitHub 的推荐。
以前赶论文 deadline,图往往是最后一晚用默认样式凑出来的,配色、字号、图例都不讲究,审稿人扫一眼就觉得粗糙。
这个仓库里放的是作者真实发表过的图:柱状图、雷达图、折线图、3D 球体图、趋势图,每张都配好生成它的 Python 脚本,照着换上自己的数据就能出同款。
更省事的是,figures4papers 里还附了一套科研绘图 skill,能在 Cursor、Claude Code、Codex 里引用,让 AI 编程助手按这套风格直接帮你画。
论文的门面,往往就是那几张图。
GitHub:github.com/ChenLiu-1996/figu…
Yesterday, ZBaduk added a new theme to its VR client.
And you can play on OGS now, or watch others play. vr.zbaduk.com























