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 tablets
tablets 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
tablets を含む検索結果
📊 決算資料のグラフの中にしか答えがない質問、これまでのRAGだと拾えなかったんです。 タイトル: How to extract meaning from charts and tables in PDFs URL: PDFをテキスト抽出せず、ページをそのまま画像として検索対象にするアプローチをWeaviateが紹介しています。注目ポイントを3つに絞って紹介します。 🔍 OCR不要のマルチベクトル検索 ページ全体を1本のベクトルに圧縮せず、画像パッチごとに複数のベクトルを持たせ、クエリとのMaxSimで局所マッチングします。チャートやレイアウトの視覚情報を壊さずに検索できるのがポイントです。 🖼️ ドラッグ&ドロップで導入完了 Weaviate CloudにPDFを入れるだけで各ページを高解像度画像化しBLOB保存、専用モジュールが自動でベクトル化します。NVIDIAの決算資料92ページの取り込みはわずか約90秒でした。 🤖 出典付きで数値を回答 「自動車事業の売上推移は?」と聞くと、$346M→$586M(+69%)という五四半期分の棒グラフのページを正しく検出。Query Agentを使えば根拠ページの画像付きで回答も生成できます。 チャートだらけで扱いにくかったPDFこそ、実は一番おいしいユースケースだったという発想の転換が面白いところです。 #RAG# #Weaviate#
もっと見る
# OpenAI Agent SDKの便利だけど知られていない機能 🌍 会話の途中から「もしあの時違う回答をしていたら?」と試したくなったことはありませんか? AdvancedSQLiteSessionの会話ブランチング機能を使えば、会話履歴の任意の地点から分岐を作り、代替パスを探索できます。 📌 タイトル:AdvancedSQLiteSession の会話ブランチング 🔗 URL: 🧩 概要 `AdvancedSQLiteSession` は、ターン番号や検索語句を指定して会話を分岐させる機能を備えています。`create_branch_from_turn(turn_number)` で特定のターンから、`create_branch_from_content(search_term)` で特定の内容を含むターンから分岐を作成できます。`list_branches()` で一覧、`switch_to_branch()` で切替、`delete_branch()` で削除も可能です。 🛠 使い方 ```python from agents.extensions.memory import AdvancedSQLiteSession session = AdvancedSQLiteSession( session_id="chat-001", db_path="sessions.db", create_tables=True, # 既定は False。ブランチ用テーブルの作成に必要 ) # ターン3の時点から新しいブランチを作成 branch_id = await session.create_branch_from_turn(turn_number=3) # 特定のキーワードを含むターンからブランチを作成 branch_id = await session.create_branch_from_content("APIの設計について") # ブランチの管理 branches = await session.list_branches() await session.switch_to_branch(branch_id) await session.delete_branch(branch_id, force=True) # 現在のブランチを削除するには force=True ``` 🏗 本番システムへの組み込み方 ・ユーザーが「やり直したい」と言った際に、直前のターンからブランチを作成して再試行する ・エージェント評価で、同じ入力に対して複数の応答パスを比較分析する ・顧客サポートで、異なる解決策を並行で探索し最適なものを選ぶ ・会話のチェックポイントとしてブランチを活用し、重要な分岐点を記録する 💡 ユースケース 🔀 会話の「what-if」分析 🧪 エージェント応答品質のA/Bテスト 🎯 複数の解決策パスの並行探索 📝 会話履歴のチェックポイント管理 ⚠️ 注意点 ブランチが増えるとストレージ使用量が増加します。不要なブランチは定期的に `delete_branch()` で削除してください(現在のブランチを消す場合は `force=True`、`main` は削除できません)。ブランチ ID はセッション ID の生存期間中ユニークで、削除やセッションのクリア後も再利用できないため、新しいブランチには別の名前を付けます。また、ブランチ間の切り替え時にコンテキストの混乱が起きないよう、ブランチのラベル管理を適切に行いましょう。 ✨ 会話ブランチングで、エージェントとの対話に「タイムトラベル」の自由を加えましょう。 #OpenAIAgentSDK# #AIAgent#
もっと見る
# OpenAI Agent SDKの便利で実践的な使い方 🌍 個人情報を含む会話にはセキュリティが必要です! EncryptedSessionとAdvancedSQLiteSessionで、PIIの保護と会話のブランチ分岐を実現しましょう。 📌 タイトル:Sessions – Encrypted / Advanced SQLite 🔗 URL: 🧩 概要 EncryptedSessionは会話履歴を暗号化して保存し、TTL(有効期限)で自動削除する機能を提供します。個人情報を含むチャットに最適です。AdvancedSQLiteSessionは会話のブランチ分岐(`create_branch_from_turn`)やトークン使用量の記録(`store_run_usage`)を提供し、実験的な会話管理や分析に活用できます。 🛠 使い方 `EncryptedSession` は他のセッションをラップする実装なので、`underlying_session` に実体となるセッション(例:`SQLAlchemySession.from_url("user_12345", url="sqlite+aiosqlite:///conversations.db", create_tables=True)`)を渡します。`EncryptedSession(session_id="user_12345", underlying_session=underlying_session, encryption_key="your-secret-key", ttl=600)` で暗号化セッションを作成します。`ttl=600` は10分で自動削除される設定です。`Agent(name="medical_assistant", instructions="医療相談に丁寧に回答してください")` でエージェントを作り、`await "田中太郎、生年月日1990年1月1日、症状は頭痛です", session=session)` のように個人情報を含む会話を安全に処理できます。 `AdvancedSQLiteSession(session_id="experiment_001", db_path="./advanced_sessions.db", create_tables=True)` でセッションを作成し(`create_tables` の既定値は `False` です)、`await "AIの未来について議論しましょう", session=session)` と `await "楽観的な視点を教えて", session=session)` で会話を進めます。`branch_id = await session.create_branch_from_turn(2, branch_name="pessimistic")` で2ターン目から会話を分岐し(戻り値はブランチIDです)、`await session.switch_to_branch(branch_id)` で切り替えてから `await "悲観的な視点を教えて", session=session)` で別の方向に展開できます。`await でトークン使用量を記録し、`await session.get_session_usage()` で `requests`・`input_tokens`・`output_tokens`・`total_tokens`・`total_turns` を確認できます(ターン単位は `await session.get_turn_usage(user_turn_number)`)。 🏗 実践的な使い方 EncryptedSessionは、医療相談、法律相談、金融サービスなど、個人情報(PII)を含む会話で必須です。暗号化キーは環境変数やSecret Managerで管理し、コードにハードコードしないでください。 TTLの設定は規制要件に合わせます。例えば、医療相談では10分、カスタマーサポートでは24時間、法律相談では7日間など、業務に応じた有効期限を設定できます。TTL経過後はデータが自動削除されるため、データ保持規制への準拠が容易になります。 AdvancedSQLiteSessionの`create_branch_from_turn`は、「もしこう聞いたら?」という実験的な会話分岐に最適です。プロンプトエンジニアリングの検証や、A/Bテスト的な会話比較に使えます。元のセッションは変更されないため、安全に実験できます。 `store_run_usage`によるトークン使用量の記録は、コスト分析や利用傾向の把握に役立ちます。ユーザーごと、機能ごとのトークン消費を可視化し、最適化の判断材料にできます。 💡 ユースケース 🏥 医療相談チャットのPII保護(TTL: 10分) ⚖️ 法律相談の機密会話暗号化(TTL: 7日) 🔬 プロンプトエンジニアリングの会話ブランチ比較 📊 ユーザーごとのトークン使用量分析とコスト最適化 ⚠️ 注意点 - 暗号化キーを紛失するとセッションデータは復元できません。キー管理を厳格に行ってください - TTLは厳密なタイミングでの削除を保証するものではありません。クリティカルな要件では追加のデータ削除ジョブを検討してください - AdvancedSQLiteSessionはSQLiteベースのため、大規模な本番環境には向きません。開発・分析用途で使用してください - ブランチを大量に作成するとストレージが肥大化します。不要なブランチは定期的に削除してください ✨ セキュリティと実験性を兼ね備えたセッション管理で、規制準拠と開発効率の両立が可能です! #OpenAIAgentSDK# #AIAgent#
もっと見る
テーブルデータの機械学習にも、画像やテキストのような「そのまま使える基盤モデル」の時代が来ました。NVIDIAが新しいライブラリを公開しています。 タイトル: Structured Data Models (NVIDIA/structured-data-models) URL: 📝 概要 テーブル・リレーショナルデータ向けの基盤モデル・テンソル型・データプロセッサをまとめた、GPUネイティブなPyTorch互換ライブラリです。 ❓ 解決する課題 構造化データの機械学習は、画像やテキストに比べてGPU活用の基盤整備が遅れており、タスクごとに専用モデルを学習し直す必要がありました。 💡 方法論と提案手法 TabICLv2、KumoTabular、TabFMといったテーブル系モデルと、グラフ構造向けのKumoRelationalを提供。中核となる `TableTensor` は生データをGPU上で損失なくテンソル化する抽象化で、文脈内学習とキャッシュを使ったフィット&予測の2つの推論パターンに対応します。 🌍 ユースケース 数値・カテゴリ・日時・テキスト・リレーショナルなど多様なデータ型を、少量のコードで事前学習済みモデルに通せます。Python 3.11以上・PyTorch 2.7以上で、pipから直接インストール可能です。 📊 実験結果 テーブル予測において新たな精度と効率のフロンティアを実現し、多様な構造化データセットでのゼロショット性能を主張しています。 #機械学習# #GPU#
もっと見る