みなさん、marimoってご存じですか？ 最近marimoを触ってみたんですが、これが思った以上に便利でびっくりしました。 このツールだけで完結できる場面が多くて、しかもUIがリアルタイムに反応してくれるので、作っていてすごく楽しいんです🎶 驚くほど簡単で直感的に使えますし、「試してみたい！」と気持ちがどんどん湧いてきました。 というわけで、この記事ではそんなmarimoの魅力や、基本的な使い方について紹介していきたいと思います。 ちょっとでも「面白そう」と思ってもらえたら嬉しいです。 はじめに Pythonでデータ分析や機械学習をするとき、まず思い浮かぶのが Jupyter Notebook という人も多いんじゃないでしょうか。 定番ツールとして長く使われてきたJupyterですが、実際に使ってみると「セルの実行順がバラバラになって混乱する」「どこで何が定義されてるか分かりづらい」「G

Sakana AI 秋葉氏が解き明かす、「本番で戦えるAIエージェントの作り方」W&B Fully Connected公演 はじめに AIエージェントという言葉が一般的になって久しいですが、その実用性について満足している人はどれほどいるでしょうか。LLMにツールを連携させれば、簡単な自動化は実現できます。しかし、それが本当に「使える」レベルに達しているかというと、疑問が残ります。なぜなら、私たちが自動化したいタスクの多くは、これまで専門家が担ってきた高度な業務だからです。 2025年10月31日、Sakana AIのリサーチャーである秋葉さんが登壇し、専門家に匹敵するほど強力で実用的なAIエージェントを開発するための「決め手」について講演しました。本記事では、提供された音声とスライド資料を基に、その講演の要点をZennの記事形式でまとめます。 Sakana AIが開発した専門家レベルのAI

KaggleはAIに解けるか？�MLE-Benchのいま (2025/08/23; 第4回 関東Kaggler会)

🚀 はじめに このチュートリアルでは、OpenAIの最新モデルGPT-OSS 20BをGoogle Colab L4 GPU（22GB VRAM）でファインチューニングする方法を解説します。UnslothライブラリとLoRAを使用することで、効率的にモデルを訓練できます。 <div class="align-center"> <a href="https://unsloth.ai/"><img src="https://github.com/unslothai/unsloth/raw/main/images/unsloth new logo.png" width="115"></a> <a href="https://discord.gg/unsloth"><img src="https://github.com/unslothai/unsloth/raw/main/images/Dis

この記事は、AIが生成した記事を無修正で公開しています。投稿者（人間）の普段の作風・意見と異なる点や内容の粗もありますが、技術記事として公開するに足るクオリティであるという投稿者の判断と責任により投稿するものです。 ただし、記事に含まれる、経験に基づくエピソードは全てAIによる創造である点はご了承ください。 ちなみに、記事の生成は事前に用意したスタイルガイドに基づき、人間が記事のアイデアと結論を与えてAI (Claude Code) が出力したものであり、出力結果に対する追加の修正依頼などは行わない一発撮りです。 皆さんこんにちは。最近、データ再取得の実装パターンについて考えていて、面白い気づきがあったので共有します。 Reactでデータを再取得したいとき、普通はrefetch()みたいな関数を呼ぶ実装になります。ボタンを押したらサーバーからデータを取り直す、みたいなやつです。でも、これっ

はじめに2025年10月6日、OpenAIがAgentKitを発表しました。これは、AIエージェントを簡単に作って、実際に使えるアプリにできるツールセットです。 このガイドでは、AgentKitを使って天気予報エージェントを実際に作ってみるまでの一連の流れを解説していきます。 AgentKitの主要な要素の使い方 Agent Builderでのワークフロー作成 Web検索ツールの実装 セキュリティ機能（Guardrails）の実装 ChatKit Widgetを使った視覚的なUI作成 それでは、AgentKitの構成要素について詳しく見ていきましょう！ AgentKitとは？OpenAIのAgentKitは、開発者や企業がAIエージェントを作成し、実際のサービスとして公開・改善するためのツールの集まりです。 これまでのエージェント開発では、複雑なワークフロー管理、外部サービスとの連携設定、

米Google DeepMindは10月7日（現地時間）、「Gemini 2.5 Pro」の視覚理解力と推論能力を基盤として特別に構築されたAIエージェントモデル「Gemini 2.5 Computer Use」を、APIを通じてパブリックプレビュー公開したと発表した。 このモデルは、ユーザーからの自然言語による指示と、画面のスクリーンショットをインプットとして受け取る。モデルは、画面上の要素を視覚的に認識し、ユーザーのリクエストを分析し、次に何をすべきかを判断し、マウスクリック、スクロール、タイピング、フォームへの入力といった具体的なUIアクションを、`function_call`という関数呼び出しの形で生成する。この一連のプロセスは、アクション実行後に新しいスクリーンショットをモデルに送り返すエージェントループの中で繰り返され、タスクが完了するまで自律的に操作を続行する。これにより、人

OpenAI⁠⁠、エージェントを構築⁠⁠、デプロイ⁠⁠、最適化するツール「AgentKit」を発表 OpenAIは2025年10月6日、OpenAI Platform上でAIエージェントを構築、デプロイ、最適化するためのツールキット「AgentKit」を発表した。 Introducing AgentKit | OpenAI Introducing AgentKit—build, deploy, and optimize agentic workflows. 💬 ChatKit: Embeddable, customizable chat UI 👷 Agent Builder: WYSIWYG workflow creator 🛤️ Guardrails: Safety screening for inputs/outputs ⚖️ Evals: Datasets, trace gra

この記事は何 ナレッジセンスでは、エンタープライズ向けにRAGサービスを提供しています。その中で「RAGは簡単に作れるけど、精度を上げるのは難しい」という課題に日々向き合っています。本記事は、2024~2025年に公開された研究や事例をもとに、RAGの回答精度を高める代表的なアプローチを ざっくりまとめたものです。 ざっくりサマリー この記事では、企業の社内データを利用したRAG、特に大企業で「エンタープライズRAG」での実装手法についてざっくり理解します。まず、エンタープライズRAGでのよくある課題をお伝えします。その上で、2025年現在の最新動向を踏まえ、評価手法のような基本戦略から、ちょっと高度なテクニックまで、RAGの精度を向上手法を概観します。 RAG、実装は簡単。しかし、精度向上は「茨の道」 *Langchainによる『RAG From Scratch』から引用。一部改変 RA

Googleが、テキストプロンプトからウェブアプリを作成できるバイブコーディングアプリ「Opal」の提供地域を、日本を含む15カ国に拡大したと発表しました。 Opal is beginning to roll out 15 new countries https://blog.google/technology/google-labs/opal-expansion/ 近年、生成AIを使ったプログラミングであるバイブコーディングが注目を集めており、プログラミングの知識や経験に乏しい人でもアプリケーションの開発が可能になりつつあります。Googleはこのバイブコーディングを可能にするアプリ「Opal」を2025年7月に発表していましたが、当初はアメリカ限定でパブリックベータ版が公開されているのみでした。 GoogleがAIアプリ開発用のバイブコーディングツール「Opal」を発表、自然言語やビジ

以下の記事が面白かったので、簡単にまとめました。 ・Sora 2 Prompting Guide 1. プロンプトする前に「プロンプト」は、ストーリーボードを見たことがない撮影監督に指示を出すようなものです。詳細を省略すると、彼らは即興で作業することになり、思い描いた通りの結果が得られない可能性があります。ショット (映像のカット) で何を達成すべきかを具体的に伝えることで、モデルにより多くのコントロールと一貫性を与えることができます。 しかし、一部の詳細を伏せておくことも同様に効果的です。モデルにより多くの創造的自由を与えることで、驚くべきバリエーションや、予想外の美しい解釈が生まれる可能性があります。どちらのアプローチも有効です。 「詳細なプロンプト」はコントロールと一貫性を与え、「簡潔なプロンプト」は創造的な結果を生み出す余地を残します。 適切なバランスは、制作者の目標と目指す結果に

LayerX の提供するバクラクAIエージェントを題材に、Langfuse を利用したAIエージェント機能の性能評価の取り組みについて紹介します。今回は、性能評価の肝であるデータセット構築について紹介します。次回は、そのデータセットを用いて実際に性能評価を実施する仕組みについて紹介します。 バクラクは、バックオフィスに特化したAIエージェントによって、日常業務の中で自然にAIを活用いただけるような体験を提供しています。 bakuraku.jp こちらは LayerX AI Agent ブログリレー 17日目の記事です。前回は @ta1m1kam による 『CopilotKitでアプリをAI化しないか？』 でした。今回はバクラク事業部 機械学習エンジニアの松村（@yu__ya4）からお届けします。 はじめに 世はまさに大AIエージェント時代。多くの企業・個人がAIエージェントを活用した開発を

これまでCometは最上位プラン「Max」加入者のみが利用可能で、他のユーザーはウェイトリストを通じての限定提供にとどまっていた。今回の変更により、無料ユーザーを含め、誰でもCometのWebサイトからダウンロードして利用できるようになった。 Cometは、検索やブラウジングを対話型に進化させるいわゆる「エージェント型検索」を特徴とする。複数のWebページの横断的な比較や要約、有料プランユーザーの場合はさらに、メール作成や予定管理などの作業をブラウザ内でできる点が、従来のWebブラウザと異なるとしている。 今回の一般公開は、Perplexityが自社のAI体験を幅広いユーザーに拡大し、日常的な検索や情報収集のスタイルを大きく変革しようとする姿勢を示している。 関連記事 Perplexity、AI搭載Webブラウザ「Comet」公開　まずはMaxユーザーに Perplexity、AIメールア

AIに全てを任せた危険な実験 Claude Code（月100ドル）に課金し、バイブコーディングに挑戦してみました。 （バイブコーディングとは、AIに振動的に高速でコードを生成・修正させ続ける開発スタイルです。） 今回は危険を承知でAWSの認証情報まで渡し、デプロイも含めて完全にAI任せにするという実験を1か月間行いました。 結論から言うと、最初の1週間は天国、その後は地獄でした。 最初の1週間 初週の生産性はとても良かったです。 エラーが出ても、そのままClaudeに投げれば瞬時に解決策を提示し、修正までしてくれます。UIデザインも仕様書を渡せばモダンなコンポーネントが次々と生成されました。 うまくいったコードはGitHubにコミットし常に良い状態をキープするようにしてました。 AWSへのデプロイもAI任せ。1週間でデモアプリが完成し、多少のバグはあったものの、ちゃんと動作していました。

You can now train OpenAI gpt-oss with RL and GRPO via Unsloth. Unsloth now offers the fastest inference (3x faster), lowest VRAM usage (50% less) and longest context (8x longer) for gpt-oss RL vs. any implementation - with no accuracy degradation. Since reinforcement learning (RL) on gpt-oss isn't yet vLLM compatible, we had to rewrite the inference code from Transformers code to deliver 3x faster

Published: September 23, 2025 We're launching today a public preview for the new Chrome DevTools Model Context Protocol (MCP) server, bringing the power of Chrome DevTools to AI coding assistants. Coding agents face a fundamental problem: they are not able to see what the code they generate actually does when it runs in the browser. They're effectively programming with a blindfold on. The Chrome D

中国に拠点を置く大手テクノロジー企業「Alibaba」のAI研究チーム「Qwen」が、自然言語でリアルタイム応答できるAIモデル「Qwen3-Omni」を2025年9月22日に発表しました。さらに、9月22日～24日の短期間に「Qwen3-VL」「Qwen3-TTS」「Qwen-Image-Edit-2509」「Qwen3-VL」「Qwen3-LiveTranslate-Flash」「Qwen3-Max」といったAIモデルが続々と発表されています。 Qwen https://qwen.ai/home ◆Qwen3-Omni Qwen3-Omniはテキスト・画像・音声・動画を処理してリアルタイムで応答できるAIモデルです。テキストと音声での応答に対応しているほか、119言語のテキスト理解、19言語の音声理解、10言語の音声生成が可能な多言語性能の高さも特徴です。 Qwen3-Omni: Na

なお、同データセットは日本の公的な人口・労働関連の統計データに基づいている一方、全てのペルソナは合成によって作成しているため、個人を特定できる情報は含まれていない。また、個人情報保護法（PIPA）の要件も満たしているという。 同データセットは、ソブリンAIの開発での利用を想定している。例えば、日本の文化的な背景を踏まえた回答ができるAIアシスタント向けのトレーニングデータの作成や、AIシステムが日本の地方と都市、異なる年齢層、教育水準の人々に対し、どのように機能するか評価するためなどに利用できるという。 関連記事 OpenAIのアルトマンCEO、AIを基本的人権にする壮大なビジョンを展開 OpenAIのサム・アルトマンCEOが、NVIDIAによる1000億ドル投資発表の翌日、AIインフラを毎週1GW生産する工場建設の構想をブログで公開した。AIへのアクセスは将来の基本的人権になるとし、10

こんにちは、YAMALEXの駿です。 昨今、対話型AIの活用が進む中で、ユーザーごとにパーソナライズされた体験を提供することが、より重要になっています。 単なる一問一答ではなく、「ユーザーが誰で、どんな関心や目的を持っているか」を理解したうえで応答できるエージェントが求められています。 本記事では、Strands AgentsとBedrock AgentCoreを組み合わせて、ユーザーとの対話履歴を記憶・活用するパーソナライズ型エージェントの実装と検証を行います。 1. はじめに 1.1. Strands Agentsとは 1.1.1. Strands Agents Tools 1.2. Bedrock AgentCoreとは 1.2.1. AgentCore Memory 2. 検証 2.1. 構成図 2.2. 実装 2.3. 会話してみた 2.3.1. 好みを理解していない場合 2.3

iOSDC Japan 2025の登壇資料です！ #iosdc #a https://fortee.jp/iosdc-japan-2025/proposal/c06d6589-0bb2-4ac4-9648-d6d187a53154