登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 付けたTLから抹殺された為、サブ垢なるものを試みんとす。見つけた方、宜しくお願い致します。FFの方々、ご挨拶せずにごめんなさいね🙏
付けたTLから抹殺された為、サブ垢なるものを試みんとす。見つけた方、宜しくお願い致します。FFの方々、ご挨拶せずにごめんなさいね🙏 コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
付けたTLから抹殺された為、サブ垢なるものを試みんとす。見つけた方、宜しくお願い致します。FFの方々、ご挨拶せずにごめんなさいね🙏 を含む検索結果
TikTokショップで買ったカラコン付けて、おすすめだよー!ってリンク貼っただけで案件でもないのに販売元から勝手に広告つけられててめちゃくちゃうるさいくらい自分の動画TLに出てくる😭うざかったらすみません…解除申請してる😭💦 1日一回自分出てくるの大変うざい😭ごめんなさい………🙇🏻
もっと見る
またトラブルあってもヤダから先に言っとくけど、TLはほぼ見れてません‼️ ねこちゃんをタグ付けするorDM等で猫ちゃんについてツイートしたよ‼️の報告貰えたら見れます‼️ タグ付けしても通知が仕事してないケースがあるので、1日以上反応無いなと思ったらDM等で教えてください‼️ 最悪なケースとしてこちらがツイートしてても届いていない場合があります‼️ とりあえず落ち着いた状態でご連絡してください‼️‼️‼️
もっと見る
TL;DR: エージェントのメモリ検索を「類似度」から「有用性」に切り替えるJetrieverを提案。保存メモリ全件を判断モデルでスコアし、暗黙の関連も拾います。 Jetriever: Shifting Agent Memory Retrieval from Similarity to Utility ポイント ・🥜 依頼文に出てこない「ナッツアレルギー」が、マカロンのレシピでは重要になる。類似度検索では拾えない ・🎯 全メモリに「回答の役に立つ確率」を付け、全件を順位づけして上位kを回答モデルへ ・🧠 世界知識と較正された確率を持つSystem One決定モデルJevを使用 ・📈 InMind-125で正解のやり取りを84.8%が1位。BM25は0.8%、MiniLMは0.0% ・✅ エンドツーエンドは76.0%。公表済みの最良メモリシステムは14.4% ・💸 コストは1クエリ約0.008ドルだが、候補数に比例して増える MAB(60問のサンプルのみ)でも44.3%から55.4%に向上しています。ただし評価は仕込んだ事実を探す設定が中心で、Jevは商用API経由です。大規模メモリへのスケールが課題です。 #AgentMemory# #Retrieval#
もっと見る
TL;DR: 生成型LLMの順位付けの判断を、1回の順伝播で動くリランカーに蒸留する手法です。8Bの生徒が、リストワイズのリランカーに近い精度を約24倍の速さで出します。 DecisionRank: On-Policy Distillation for Decision-Model Rerankers ポイント ・🎯 各候補に単一トークンIDを割り当て、最初のトークンのロジットを並べて順位を出します ・🔁 教師と生徒を、語彙ではなく候補アイテム単位で合わせるので、語彙やアーキテクチャが違っても蒸留できます ・👀 生徒の上位20件の並びを教師に評価させる、オンポリシーのフィードバックを使います ・📐 オフラインのRankNet損失と組み合わせて学習します ・📊 DecisionRank-8BはTREC DLで64.34、リストワイズのDirectRank-8B(62.92)を上回りました ・⚡ レイテンシは同じ8BのDirectRankの約24.5分の1です(TREC DL、B200+vLLM) R2MEDではDirectRank-8Bに届かず、BRIGHTでは27Bの教師が上です。それでも、速度と精度のバランスは実用的です。 #リランキング# #知識蒸留#
もっと見る
TL;DR: ユーザープロファイルをテキストではなくKVキャッシュで保存して再利用すると、LLMレコメンダーのスコアリング処理が約4倍速くなり、ランキング品質はほぼ変わりませんでした。 KVUse: Reusable-KV User Memory for Efficient LLM Recommenders ポイント ・🧠 対象はメモリ拡張型のレコメンダー。ユーザーごとの自然言語プロファイルを毎回プリフィルし直す無駄を狙います ・🚫 プロファイルの前に来る指示が呼び出しごとに違うため、プレフィックスキャッシュは効きません ・✍️ Llama-3.1-8BにLoRA writer(約6.8M)を付け、プロファイル生成時にKVも書き出します。読み出し側は元のLLMのままです ・🎓 完全プリフィルを教師にした自己蒸留で、位置はRoPE再回転で補正します ・🚀 スコアリングは3.96〜4.49倍(Booksで31.99→126.72 users/s)、更新パスは1.43〜1.91倍です ・✅ NDCG@10の変化は−0.001〜+0.008で有意差なし。素朴なKV再利用は26〜32%低下しました 注意点:KVはトークンあたり約128 KiBと大きく、writerはドメインごとの学習が必要です。 #LLM推論# #推薦システム#
もっと見る
TL;DR: あらゆるクエリと予算に最適な単一LLMは存在しない。乱立するLLMルーティング研究を「5つの部品」で統一定式化し、16以上のルーターと専用ベンチマークをまとめたオープンソース基盤が登場しました。 タイトル: LLMRouter: Unified Infrastructure for Developing, Evaluating, and Deploying LLM Routers URL: ポイント 🧩 ルーターを Context Encoder / Model Encoder / Scoring / Decision Rule / Learning Signal の5コンポーネントに分解して統一 📊 評価基盤 xRouteBench は Generic・Memory・Vision・TimeSeries・Personalized の5トラック計4,767クエリ 🛠️ 全18候補モデルへ全クエリを投げて作る密なクエリ-モデル行列で、訓練と評価を同時に供給 🚀 学習型ルーターは最強の固定モデル(常に最大を選択)を相対14.6%上回る ⚖️ 万能なルーターは無し。RouterDCは精度首位でもコスト重視だと10位に転落 🔁 マルチターンはコストの割に効果が不安定(Router-R1は22.3%) 👤 ユーザー条件付けは有効だが、実フィードバックとシミュレーションで最良設計が入れ替わる 「最良のルーターはタスクと予算で変わる」を実証し、公平比較の土台を用意した一本です。 #LLM# #ModelRouting#
もっと見る
タグ付けたまま歩いてらっしゃった。 この服着るの4回目らしい…… 流石です、姉さん。
電力量計を付けた。グラフも出た。 でも、電力が高い理由までは分からない。 440Vを直接計測できる薄型2回路電力量計が発売され、自動車の第2組立ラインや製パン機械の新組立工場も計画されている。設備や計測点が増えるほど、PLCでは電力値と工程状態を一緒に残したい。 停止、暖機、生産中、前工程待ち、後工程待ち、異常復帰。同じ30kWでも意味は違う。品種、良品数、サイクル数まで結べば、暖機1回、良品1個、待機1分当たりの電力に分解できる。 電力上限へ近づいた時も全設備を一斉停止しない。次の大型負荷起動をずらす。能力低下が続けば新規投入を止める。動作中のワークは可能な範囲で払い出し、ヒータやモータを順次停止する。 通信断中の前回電力値を積算しないこと、復帰後に全ラインを同時起動しないことも必要になる。 省エネ改善で見るべきなのは「何W使ったか」ではなく、「何をしていた時に、何個作るために使った何Wか」だ。
もっと見る