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 採用を体系的に学ぶ会
採用を体系的に学ぶ会 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
採用を体系的に学ぶ会 を含む検索結果
🛡️ コードを実行できるAIエージェントは強力ですが、その自由度こそが最大の攻撃面になります。「どんなサンドボックスを選べばいいのか」を体系的に整理した必読ガイドです。 タイトル: How to Choose the Right Sandbox for Your Agent URL: 💡 概要 AIエージェントにコード実行を任せると価値が一気に上がりますが、プロンプトインジェクションという確実な防御策のない脅威がついて回ります。この記事は、その脅威を「致命的な三要素(lethal trifecta)」として整理し、サンドボックス選定の実践基準を示しています。 ⚠️ 解決する課題 危険な状態は、エージェントが(1)機微なデータにアクセスでき、(2)信頼できないコンテンツにさらされ、(3)外部と通信できる、の3つが同時に揃うときです。これが揃うと攻撃者にデータを盗まれかねません。Metaの「Rule of Two」は、この3条件を完全自律のまま同時に満たさせるな、という考え方です。 🛠 方法論と提案手法 サンドボックスは三要素を消すのではなく、リスクが十分小さくなるまで「アクセスと外部通信を絞り込む」隔離環境です。必須要件は次の5つです。 ・隔離されたファイルシステム(必要なデータだけ) ・制限されたネットワークアクセス(持ち出し防止) ・リソース制限(CPU/メモリ/実行時間) ・再利用の制御(侵害が残らないように) ・カーネルレベルの隔離(ホストのカーネルバグを悪用させない) 🎯 ユースケース / 実装 フルVMを立てずにカーネル隔離を実現するmicroVMが効率的な選択肢です。記事はLangSmith Sandboxesを紹介しており、サンドボックスごとに専用microVMと独立ファイルシステムを持ち、認可プロキシが外側で認証情報を注入することでシークレットも隔離します。 #AIエージェント# #セキュリティ#
もっと見る
TL;DR LLMが自然言語の最適化問題を数式・コードに変換する際に起きる「幻覚」を、生成後に安全に直すフレームワークが登場しました。精度を最大20ポイント改善しつつ、正しかった部分を壊す「後退」は1%以下に抑えています。 タイトル: Fix What's Wrong, Keep What's Right: Hallucination Repair for LLM-Based Optimization Modeling URL: ポイント 🔍 問題文⇄数式⇄コード⇄データを5方向からチェックして、どこがなぜ間違っているかを特定します ✂️ 直す範囲を「コードだけ」「モデルの一部だけ」「全体の再構築」の3段階から証拠に基づき最小限に絞ります 📜 24種類の「修復カード」が、書き換えてよい箇所・守るべき箇所・合格基準を契約として明文化します ✅ 修復後は実行テストと監査に両方合格しないと採用せず、失敗時は元の成果物をそのまま残します 📊 6つのベンチマークと複数の生成モデルで検証し、精度を6.3〜20.1ポイント改善、後退率は最大1.0%に抑制しました 🧩 診断の仕組みを外すと救済率が24.5ポイントも落ちることが確認され、各仕組みの効果が裏付けられています 生成するだけでなく「直す」工程を体系化した発想が実務的で、最適化以外のコード生成や構造化出力にも応用できそうです。 #LLM# #最適化モデリング#
もっと見る
🛠 MLOpsは「なんとなくその場しのぎ」で進めがち。実務者のブログやホワイトペーパー103件を分析し、アーキテクチャ上重要な25のガイドラインに整理した研究です。 タイトル: Architecturally Significant MLOps Guidelines for ML Model Integration and Deployment: a Gray Literature Review URL: 📝 概要 本論文は、査読論文ではなく実務者発のWeb情報(ブログ・ホワイトペーパー・ベンダー文書)を分析する「グレーリテラチャレビュー」で、MLモデルの統合とデプロイに関するアーキテクチャ指針を体系化しています。 ❓ 解決する課題 MLOps採用は進んでも、再利用可能な設計判断としての知識統合が乏しく、チームはその場しのぎになりがちでした。経験をプロジェクト間で移転しにくいのが課題でした。 💡 方法論と提案手法 ・33クエリでGoogleを検索し331件を取得、基準で絞り103件を分析しました ・2名が独立にテキストを抽出し、合意会議で不一致を解消しました ・3名が実践をガイドラインへ統合し、カードソーティングで5カテゴリに整理しました ・CI/CDと自動化、デプロイ戦略と環境、設計と統合戦略、モデルサービングと推論、MLコンポーネント管理の5テーマです 🎯 ユースケース ML統合・デプロイのアーキテクチャ判断の統合リファレンスとして使えます。包括的なMLOpsリファレンスアーキテクチャの構成要素にもなります。 📊 実験結果 ・25のアーキテクチャ上重要なガイドラインを抽出し、72%(18項目)が4回以上言及され実務者の合意を示しました ・最多引用はコンテナ化(27ソース)、次いでCI/CDパイプライン確立(53回言及)でした ・デプロイには16ガイドライン、統合には9ガイドラインと、統合側の文書化が手薄なギャップを特定しました #MLOps# #MachineLearning#
もっと見る
採用を始める時。 「自社における職種定義」を定めることに、しっかり時間を使っている会社。このタイプは、採用ミスが起こりづらい。
新卒採用を見送る自治体。財政など様々な要因があるだろうが、民主党政権期に国の官僚の採用を絞ったことが、今日に至る悪影響を及ぼしている点を鑑みれば、中長期的なヴィジョンが伴っているかが問われるべき。
もっと見る
企業の採用活動を称える「Wantedly Awards 2026」を開催|約4万社から優れた"共感採用”を実現した14社を表彰
W杯で採用を見送った4バック、森保ジャパンが再挑戦!森保監督「今シリーズでスタートから試す準備」→今日ウルグアイ戦、3バックからの可変練習も 4バックと3バックを使い分ける理想へ、まずは初戦で適性を探ります。
もっと見る
「AIで採用を効率化させたい」という声が支援先でもますます増えてます。 ただ、いざ始めようとすると…「どこから手をつけるか」で止まってしまうケースも多いなと。 そんな中で今朝読んで良かったのが、kubell 人事責任者 澤井さんのnote。 自社の採用組織で実践して、月200時間の工数を削減した記録が、とにかく具体的でした。 わかりやすく、実践的! ✅ まず、業務を「可視化」する ✅ 「コンサル」と「オペ」に分解する ✅ AIの前に、まず「捨てる」 ✅ 残った業務をGemini×GASで GASを選ぶ理由もとても納得で、非エンジニアの担当者がGeminiにコードを書いてもらいながら自ら実装していったそうです。 一番腑に落ちたのはこの「捨てる」作業。効率化から入ると、やらなくていい業務を高速化するだけになってしまうなと。加速させたい、効率化させたい。そう思ったときこそ、まず分解と取捨選択から。 一読おすすめです! ----- AI活用で採用工数を月200時間削減した組織改革の話|澤井 翔輝 | kubell 人事 @pasama_shoki
もっと見る
HNの採用市場のスレッドを見ると、USはそれなりに冷え込んでいるように見える。こんな感じ。 ・企業はオフィス回帰を強制し、出社できない従業員を自主退職に追い込むことで退職金の支払いを回避 ・今は、AIの導入を理由に人員を削減したり、人件費の安い海外へ業務を移管したりする動きが加速している ・複数の企業が一斉に同じリストラ策を実施しており、CEOらが他社の動向を真似る横並びの傾向が見られる ・数年前は頻繁に届いていた採用担当者からのスカウトメールが、現在では極端に減少している。以前は常に届いていたが、今は数週間おきに1件ぐらいとか ・また、採用を担当するリクルーター自身も解雇の対象となっている ・実務経験の浅いジュニア層のエンジニアにとっては特に過酷な状況 ・応募に対する返答率が下がっている ・人間の面接官の代わりにAIとのビデオ面接や適性検査を課されることが増えた ・オンライン面接ではAIを使ったカンニングを防ぐため、応募者の視線や画面操作が厳重に監視されている ・フルリモートの求人は珍しく、オフィス出社やハイブリッド勤務を必須とする条件が主流 ・コーディングテストと称して求職者にマルウェアを実行させようとする、悪質な採用詐欺も横行している ・政府などの公式な雇用統計は良好な数値を示している ・だが、現場の求職者が感じる厳しい現実とは大きな乖離がある ・一部で採用を続けている企業も存在するが、その求人の大部分はAI関連のプロダクト開発に偏っている ・豊富な経験を持つベテランやリーダー層であっても、強力なコネクションがなければ新しい職を見つけるのは難しい
もっと見る
【採用について】 2027年度新卒採用の一次募集を開始いたしました 現在、genDESIGNでは、新卒採用・キャリア採用を実施しております 情熱を持って、創作に向き合える方をお待ちしております 詳細はgenDESIGN公式サイトをご覧ください
もっと見る