DeepMind のエンジニアに学ぶ！ Antigravity Deep Dive 開催 🟦2026 年 10 月 31 日（土）9:00〜 🟪Google 渋谷オフィス → 午前は Antigravity 活用方法を学び、午後はハッカソンでアイデアを形にし、夕方には成果を発表。 今こそ学びたい方、ご参加お待ちしています！

Google DeepMind大再編を読み解きました。尾原調教なAI分析なので、技術ｘ組織力学ｘテック地政学な分析と、今後の分岐点となる５つの監視ポイントです。FactとOpinionは切り分けてるので材料にしていただければ

Google DeepMind の AI 研究から生まれた CodeMender、コード スキャンおよび修復機能をプレビュー版として提供開始！ → Gemini Enterprise Agent Platform を通じて一般提供中のモデルを利用でき、Google AI Threat Defense のコア コンポーネントとしても導入できます。

📣来週開催 Google DeepMind の Rody Davis @rodydavis が来日！ Antigravity で AI 駆動開発を体験 「Antigravity Deep Dive」を開催します。 当日参加の先着 200 名に、300 ドル分の Google Cloud クーポンを進呈！ 🔵 10 月 31 日（土）9:00〜 🔵 Google 渋谷オフィス →

超高速で自由に作業できる環境を構築 → DeepMind の元 YouTube ソフトウェア エンジニアである Benji Bear は、設計からコーディングまでのライフサイクルを統合し、迅速な実験をメインラインの本番環境サーバーから完全に切り離すプロトタイピング スタックを構築しました。

softmaxとクロスエントロピーに、実は直されていなかった数値バグがあった？Google DeepMindの論文です。 タイトル: A Fix for Softmax and Cross-Entropy URL: ❓ 何が問題なのですか？ 最大ロジットを引く標準の実装はオーバーフローは防ぎますが、2つのバグが残ります。ひとつは、正解のロジットが突き抜けると正解勾配が丸めでゼロになるSoftmax Collapseです。もうひとつは、蒸留で近い値同士を引き算してしまうSoftmax Cancellationです。 ❓ どう直すのですか？ 対数空間で書き直します。最大ロジットを0に置き、損失をsoftplus(-m)で計算し、正解勾配は非正解勾配の総和の符号反転として定義するので、勾配の総和は必ずゼロになります。蒸留側はexpm1とlog1pで引き算を避けます。JAXの短い実装で置き換えられます。 ❓ 効果はあるのですか？ a²+b² mod 97のgrokkingで、標準のテスト精度は崖のスパイクで61%から23%に落ちましたが、修正版は85%に到達しました。ソフトターゲット蒸留でも、標準は精度が崩れる条件で、修正版は全精度でKL=0を保ちます。 ❓ 何がわかったのですか？ Slingshotスパイクやgrokkingの失敗に数値的な原因があること、Adamのεとweight decayからマージンの上限が約log(1/ε)で決まることが示されました。ただし実験は小規模な設定で、大規模学習での効果は未検証です。 #DeepLearning# #機械学習#

1Mトークンを「入力・思考・出力」すべてに使い切れる新モデルが、開発者向けガイドとともに登場しました。 タイトル: Gemini 4 Argon: Developer Guide URL: 📝 概要 Google DeepMindの最新フロンティアモデル「Gemini 4 Argon」の開発者向けガイドです。統一された1Mトークンのコンテキストウィンドウと、推論の深さを選べる3段階のThinking Levelsが特徴です。 🧠 技術的な特徴 入力・thinking・出力を1つの1Mトークン枠で共有し、1レスポンスで最大1Mトークンまで出力できるLong Decodeにも対応しています。モデルIDは gemini-4-argon で、4,096トークン以上のプロンプトには暗黙キャッシュによる95%割引が自動適用されます。 📊 ベンチマーク Vals Indexで金融・コーディング・法律・税務の1位を獲得し、ロボティクス評価のERQAは87%、プロンプトインジェクション耐性のGray Swan IPIでは攻撃成功率0.7%という結果です。 🏭 実運用の実績 Chromeでは600万行規模のレガシーコード分離作業を数ヶ月から数週間に短縮し、Gemma 4 E2Bの推論スループットは2.85倍に向上しました。 💰 提供状況 Google AI StudioとGemini APIで利用可能で、入力$2/出力$10(100万トークンあたり)という導入価格です(2026年11月30日まで)。 #Gemini4Argon# #開発者ガイド#

💭 長いコンテキストを読むAIは、本当は「どこを見ればいいか」をすでに知っているのに、毎回律儀に全部読み直しているとしたらどうでしょうか。 長文コンテキストを扱うモデルは、デコードのたびに巨大なKVキャッシュ全体をスキャンします。実際にAttentionが向くのはごく一部のトークンだけなのに、既存のスパースAttention手法はそれをステップごとに探索し直す必要があり、探索自体がコストになっていました。 KAIST AIとGoogle DeepMindの研究チームは発想を転換し、「モデル自身に、今どこを見ているかを言葉で宣言させればいい」と考えました。これが「Declarative Attention」です。モデルはChain-of-Thoughtの中で、コンテキスト全体を見る、特定の箇所だけを見る、直近の出力だけを見るというモードを自ら宣言し、推論エンジンがそれをそのままAttentionマスクに変換します。 驚くべきことに、これは追加学習なしのゼロショットで機能しました。Gemma-4-31BとQwen-3.6-27Bでは、Attention対象トークンをそれぞれ52.0%・31.1%削減しながら、精度低下はわずか1〜3ポイントに収まっています。モデルが大きく、コンテキストが長くなるほど効果も安定し、最長のケースでは1回の応答あたり2,100万トークン分もの削減につながりました。 Language Models Can Control Their Own Attention 効率化と解釈可能性を同時に実現するアプローチとして、長期推論を行うエージェントの実運用コストを下げる鍵になりそうです。 #LLM# #Attention#