GitHub Copilotアプリのcanvasで考える、チャットがUIとして不適切な場面

GitHub Copilotアプリには、エージェントと双方向に通信できるフルスタックの小型アプリ「canvas」があり、チャット以外のUIでAIを使える。Connect 4やWinget管理、SQLiteの操作画面などを例に、専用ツールを作れば以後のやり取りでトークンを消費しないと説く。開発ワークフローの自動化にも使えるが、その例は設計と自動化の調整に丸一日近くかかったという。

GitHub Copilotアプリで巨大なプルリクエストを描画する仕組み

GitHub Copilotアプリのプルリクエスト表示を作り直し、2,200ファイル、100万行超の変更、400件超のインラインレビューコメントを持つ巨大なプルリクエストでも高速に描画できるようにした。コメントは描画するまで高さが分からないため、コード行の高さを確定させる方式とコメントなどの動的ブロックの高さを分ける二つのジオメトリ構成を採用した。

LayerXのエンジニア、Snowflake World Tour Tokyo 2026で2セッションに登壇

LayerXバクラク事業部のデータグループ所属エンジニアが、2026年9月10~11日開催のSnowflake World Tour Tokyo 2026で2つのセッションに登壇した。1日目はdbtとSnowflakeによるモデル依存関係、行レベル、列レベル、公開経路の4層のデータ統制を紹介した。2日目はAI Agentが自律稼働するためのデータ基盤として、リアルタイムデータ収集とタイムトラベル、非構造化データを含むコンテクスト集約などを説明した。

LayerX、TypeSafe AIのJevを題材に社内勉強会を開催、30分で50件超のアイデア

LayerXのバクラク事業部が、TypeSafe AIのJevを題材にした社内勉強会を開催した。エンジニア50人以上が参加し、30分の会でサービスへの組み込みアイデアが50件を超えた。Jevは文書生成ではなく「判断」に特化しており、キャリブレーションされたconfidenceの活用や、安さと速さを生かした頻繁な呼び出しといった方向性が挙がった。

ABEJA執筆の産業特化型LLM学習・推論基盤に関する記事、AWSブログで公開

ABEJAが参画するCODASのプロジェクトについて、産業特化型LLMの学習・推論基盤の設計を紹介する記事がAmazon Web Services ブログに公開された。AWS Labsの「awsome-distributed-ai」のリファレンスアーキテクチャを出発点に、AWS ParallelClusterとSlurmを採用し、Amazon FSx for Lustreなどのストレージ基盤、ユーザー・権限管理、障害検知・監視も扱っている。著者はABEJAの原田伴誉、久米拓馬の2名である。

Geminiで家事を片付ける4つの方法

Googleは、Geminiを家事に活用する4つの方法を紹介した。DIY修理や家電のトラブルシューティング、献立と買い物リストの作成、レシートの写真からの家計管理、大型商品の比較などが例として挙げられている。Googleの「AI & Economy ATLAS v1.0」研究では、1500万件の匿名化された対話のうち86%超が正式な仕事以外で行われていた。研究者は、日常的なAIの利用で世帯あたり週30分を節約できれば、米国だけで年間約1000億ドルの経済価値になると試算している。

個人のAIエージェントを、チームの力に変えるまで 〜Yahoo!検索のAX実践〜

Yahoo!検索チームは、個人向けに作ったCoding Agentの開発自動化をチーム運用に作り替え、レビュー渋滞を解消した。ツールはHomebrew / pip3で社内配布し、AIレビューを人のレビュー前段に置いて必須指摘を事前に解消するルールを設けた。ある作業では9人月かかっていたものが3人月に圧縮されたという。

LINEヤフー、AI-DLCを土台にAI成果物を人が受け取る設計ワークフローを構築

LINEアプリ開発チームは、AIが生成する設計成果物を人が理解・レビュー・引き継ぎできるよう、AI-DLCを土台にワークフローを再設計した。AIへの質問は1ページのoverview.htmlにまとめ、論点には優先度を付けて人間が判断すべきものに絞った。やり取りはdiscussion-points.mdに記録し、進捗と決定事項は設計本文と切り離したenvelopeのJSONで管理して、progress.htmlで確認できるようにした。

Google検索でレース準備を整える3つの方法

Google検索のAIモードは、マラソンなどのレース準備に役立つ。トレーニングプランは、+メニューからCanvasツールを選び、交差トレーニングや筋力トレーニングを含む計画を作成できる。YouTube Musicアカウントを連携すると、ランニング用のカスタムプレイリストを作成でき、Shopping Graphの600億件超の商品情報をもとに、ワイドフット向けシューズや80ドル未満のハイドレーションベストなどを比較し、在庫状況や店舗での在庫も確認できる。

HF Jobs上でLoRAによるAsync GRPOを動かす構成、Storage BucketとプロキシでNCCLを使わず同期

TRL v1.14のAsyncGRPOTrainerは、LoRAアダプターのみを学習してvLLMへ同期できるようになり、学習と推論を別々のHugging Face Jobsに分けて実行する構成を示している。ランク1のアダプターは数MBで、1.5Bモデル全体の約3GBに比べて小さいため、Storage Bucketを共有ファイルシステムとして使いNCCLなしで同期できる。5回の実行で、同じレシピの500ステップ学習が3時間27分から53分に短縮された。

AIで70年連れ添った夫婦の記憶を再現 Google DeepMindが短編映画『Love, Rendered』に協力

Google DeepMindは映画制作者と共同で、短編ドキュメンタリー『Love, Rendered』を制作し、結婚70年以上のBurt and Ethelle Shatz夫妻が記録されていない出会いの日をAIで再現した。白黒写真の画像修復とパフォーマンスキャプチャモデルを組み合わせ、現在の夫妻の仕草を若い頃の姿に写し取っている。写真の復元はGeminiアプリでも可能である。

Gemini で行政手続きを手早く片付ける4つの方法

Googleは、Geminiを運転免許証の更新、税務申告、行政サービスの申請などの行政手続きに使う4つの方法を紹介している。Google の AI & Economy ATLAS v1.0 調査によると、こうした雑務に関するAIとの会話は約半分が通常の営業時間外に行われている。Geminiで市民生活に関わる用事を扱う人の約40%が、書類の用語や手続きの手順について相談している。

Mistral、AIエージェントによる複雑なレガシーコード刷新の手法を解説 Fortran 77からC++への移行事例

Mistralは、欧州のエネルギー事業者が持つFortran 77の貯留層シミュレータ4万行をC++へ移行した事例をもとに、AIエージェントによるレガシーコード刷新の進め方を紹介した。数値一致を確認する検証基盤の先行構築、ドキュメント整備、人間のレビューを組み込んだ構造化ワークフローを教訓として挙げている。最初のスプリントは30万行のうち4万行が対象である。

DatabricksのServerlessで複数CPUアーキテクチャに対応しつつ起動時間を遅くしない方法

Databricks Serverless computeで2026年9月4日からジョブがx86_64とaarch64のどちらかで実行されるようになり、x86_64のwheelだけを同梱していたwheelhouseは約25%のジョブでインストールに失敗した。両アーキテクチャのwheelを同梱し、platform_machineマーカーで制約する方式で対応した。`uv pip compile --python-platform`で依存を解決し、wheelhouseは計54本となった。

iOSDC Japan 2026にLINEヤフーのエンジニア7名が登壇します（9/11〜9/13）

LINEヤフーは2026年9月11日から13日まで開催される iOSDC Japan 2026 にゴールドスポンサーとして参加し、エンジニア7名が登壇する。9月11日のday0ではFoundation Modelsを用いたオンデバイスでの自動作曲、9月13日のday2ではモジュールの視点からSwiftの挙動を読み解くセッションが予定されている。当日の協賛ブースについても案内されている。

TRLとOpenEnvでコーディングモデルに水彩画を描かせる強化学習の再現手順

Hugging Faceのブログが、Surya Narreddiの水彩画生成の手法をTRLとOpenEnvで再現し、データセット、RL環境、学習スクリプト、学習済みモデルをすべて公開した。Qwen/Qwen3.5-35B-A3Bにp5.brush用のJavaScriptを書かせ、審査モデルと美的評価モデルの報酬で学習させている。3種類の報酬配分はいずれも報酬が上昇した。

LFM2.5-350Mを100 GRPOステップでファインチューニングし、構造化出力の精度を改善

LFM2.5-350Mを、TRLのGroup Relative Policy Optimization（GRPO）で約500サンプル・100ステップ学習し、IFStructベンチマークのスコアを22.6%から29.7%に向上させる手順を公開した。学習は無料枠のColabやKaggleのGPUで実行でき、ノートブックはGitHubで公開されている。評価はllama.cppを使ってMacBookでローカルに行い、ベースラインは22.6%で、IFStruct公式ブログの報告値21.1%に近い結果だった。

AI Gateway「Bifrost」の本番導入で、Technical Project Manager が担ったこと

LayerXのAi Workforce事業部のTPMが、OSSのAI GatewayであるBifrostを本番環境へ導入した過程を紹介する。比較検討の結果、コアのゲートウェイ機能は外部ミドルウェアなしで動作する点を採用理由とし、本番構成では監査ログや設定値の保存に用いるPostgreSQLを依存コンポーネントの中心に据えた。テナントごとのデータレジデンシー要件は、Virtual Keyを選択することで制御している。

JS/TSでサイズ指定したPacked Arrayを作る方法とLintによる自動チェック

JS/TSでサイズを確保したPacked Arrayを作るには、`Array.from({ length: 42 })`を使う。eslint-plugin-unicornの`no-new-array`ルールが、Holey Arrayになる`new Array(42)`を検知し、`--fix`で自動修正する。Node 24での検証では`Array.from({ length: 42 })`がPACKED_ELEMENTSになり、`no-array-from-fill`も併用すると効率的なコードに書き換えられる。

一人称視点の動画から手の行動を3D復元しロボット学習データを作る試み、テレオペ脱却へ

ABEJAの辻氏が、GoProで撮った一人称視点の動画から手の行動を3D復元し、ロボットの学習データ（LeRobotDataset v3.0）にするパイプラインを試作した。Microsoftの VITRA は MANO、HaWoR、WiLoR が商用利用できないため、手を解剖学的な21個の回転関節で表すモデルを自作した。EgoExo4D での評価では、手の形の誤差が17〜19mm（VITRA は12mm）、手首の位置の誤差が80〜95mm（VITRA は27mm）で、精度は VITRA に届いていない。

Turing、eGPUで車載のエッジ推論能力を強化

Turingは自動運転の車載計算機NVIDIA Jetson AGX Orinに、OCuLink経由でRTX4090などのGPUを接続するeGPUシステムを運用している。FP32推論時間はOrinの95.9 msに対し、RTX4090は18.3 ms、RX 7900 XTXは32.9 msで、データ転送の2.3 msを加えても高速である。推論エンジンにはユーザー空間ドライバで動くOSSのtinygradを使い、NVIDIAとAMDのGPUを切り替えて使える。

REST APIにTypeSpecを導入してスキーマ駆動開発

LayerXのAiWorkforce開発チームは、REST APIのスキーマ定義にMicrosoftのTypeSpecを採用し、実装前のスキーマを基にフロントエンドとバックエンドを並行して開発する体制を整えた。同じAPIの定義量は、TypeSpecの410行（9エンドポイント）に対し、OpenAPI YAMLの直書きは771行となった。OpenAPI YAMLを経由してOrvalでクライアントとMSWモックを生成し、スキーマ違反はCIで検知する。

Sentence Transformersでマルチベクトル埋め込みモデルを学習・ファインチューニングする

Sentence Transformers v6.0で追加された新モデル型MultiVectorEncoderを使い、ColBERT型のレイトインタラクション検索向けマルチベクトルモデルをファインチューニングする手順が示される。

Hugging Face Inference Endpoints、Jobs、Bucketsは Papers with Code の検索をどう支えるか

Papers with Code の検索は、PostgreSQL の全文検索と pgvector によるベクトル検索を RRF で統合したハイブリッド検索として構築された。論文の埋め込みは Hugging Face Jobs の L4 GPU でオフライン生成し、arXiv と Daily Papers の11万件超の現行論文を対象とする。オンラインではクエリの埋め込みだけを Inference Endpoints で処理し、エンドポイントが停止または混雑した場合は全文検索に切り替える。

Kimi.ai@Kimi_MoonshotAIスコア2222

Kimi Work for Financial Analysts - Tutorial #2 Kimi Work で、投資調査によくある3つのタスクを実行できます。 - ライブの投資家向けダッシュボードを構築 - スプレッドシートで財務モデルを更新 - レポートをバッチで処理・生成 Kimi Work のワークフローは今後も追加予定です。お楽しみに！

herdrで複数のコーディングエージェントを使い、実装の進め方を変え始めている話

LayerXの古濵氏が、herdrで複数のコーディングエージェントをplanner / worker / reviewerに役割分担させ、実装を進める体制を整え始めている。現状はレビューの往復の仲介を人間が担っているが、今後は仲介役もエージェントに任せることを検証中である。その際は、指示の書き直しや往復回数の上限を定めたスキルを用意している。

直前の検索クエリを考慮したYahoo!ショッピングの検索サジェスト改善

Yahoo!ショッピングは、直前の検索クエリを加えたBERTベースのランキングモデルで検索サジェスト候補を並べ替え、A/Bテストでサジェスト候補のCTRが相対で約7%改善したことを確認した。オフライン評価では、既存の表示順に対してMRRが+11.6%、hits@1が+26.9%、hits@3が+5.2%改善した。直前クエリを入れないBERTもクリック数順の並べ替えを全指標で上回った。

Sentence Transformersでマルチベクトル（Late Interaction）埋め込みモデルを使う

Sentence Transformers v6.0で、ColBERT型のLate Interaction検索に対応する新しいモデル種別「MultiVectorEncoder」が追加された。PyLateやStanford-NLPのColBERTチェックポイント、colpali-engineのモデルを読み込め, トークンごとにベクトルを保持しMaxSimでスコアリングする。単一ベクトルモデルより検索精度が高くなる一方、インデックスは大きくなる。

Google AI Developers@googleaidevsAIスコア4242

Victorian期の植物図譜に収められた数百のPDFをGemini 3.7 Flashに読み込ませ、掲載されている歴史的な植物を現代のAPG IV分類体系で抽出・分類させました。🌳 💻 @Antigravityで構築したインタラクティブな可視化を通じて、Geminiがその理解をどのように形にするかをご覧ください:

Databricks の Declarative Automation Bundles を用いた機械学習データセット作成基盤の構築

Turing のMLOpsチームが、E2E自動運転AI向けデータセット作成基盤を、AWS Step Functionsベースの既存システムからDatabricks上のパイプラインに置き換えた。500時間分の走行データで半日以上かかっていた作成時間が、条件にもよるが60分以下になった。保守性の向上にはDeclarative Automation Bundles（DAB）を使い、CI/CDや開発環境と本番環境の分離を実現している。

Strands Agents、LeRobot、Hugging Face Storage Bucketsで、ロボットのデータ収集から学習、デプロイまでを一か所で回す

Strands Robotsのエージェントループで、ロボットのデモ記録、Hubからの直接ストリーミング学習、ポリシーのハードウェアへの再配備を一つのデータループとして実行する方法を解説する。データはLeRobot形式のままStorage Bucketに同期され、同期のたびに変更されたバイトのみがアップロードされる。学習時は`stream_dataset(repo_type="bucket")`でダウンロードせずに読み込み、デプロイは`mode="real"`への引数変更で行う。

Microsoft Copilotでコード不要のAIエージェントを作る方法：初心者向けガイド

Microsoft Copilotを使い、コードを書かずにAIエージェントを作る5つの手順を解説するガイド。Copilot Chatの「Agents」から「New Agent」を選び、平易な言葉で内容を伝えるとエージェントの草案が生成される。課題の定義、既存エージェントの確認、ナレッジと出力形式の設定、テストと共有まで、共有受信箱の対応や週次レポート作成を例に説明している。

Nathan Lambert、ポストトレーニングの書籍『Reinforcement Learning from Human Feedback』を刊行

Nathan Lambertが、LLMのポストトレーニングを解説する書籍『Reinforcement Learning from Human Feedback: Aligning and Post-training LLMs』をManningから刊行し、現在出荷中である。

知識蒸留のコストを下げる、オフラインTop-K logitsと融合チャンク化KL損失

教師モデルのTop-K logitsを事前にオフラインで計算してキャッシュし、語彙全体×系列長の行列を作らない融合チャンク化KL損失と組み合わせることで、知識蒸留の学習コストを削減する手法が示された。gpt-oss-120b（語彙201,088）、系列長32K、バッチサイズ4の場合、従来のDense KLは1回の学習イテレーションでピーク約250GBのVRAMを要するのに対し、融合チャンク化KLは約128GBに抑えられる。これにより、単一GPUでの長文コンテキストの回復（healing）が可能になる。

ELYZA、LLMサービスにOpenTelemetryでAPMを安全に導入した方法

ELYZAのエンジニアが、LLMを使うtoB向けアプリケーションプラットフォームにOpenTelemetryでトレーシングを導入した経緯と実装を紹介している。顧客のプロンプトを外部に出さず費用を抑える方針で、Node.jsのAPIとworkerのみSpanを送出し、MLは中継に徹する構成とした。Web → API → SQS → ML → SQS → workerの推論が1本のtraceとしてDatadog上で追えるようになった。

Sarashina3のトークナイザとトークン効率：日本語Wikipediaで比較

SB Intuitionsは、商用APIとして提供開始したSarashina3 miniとSarashina3 nanoについて、トークナイザの効率の良さを紹介した。日本語Wikipedia（約19億文字）のトークナイズでは、GPT-5が約14億トークン、Gemini 3.5が約12億トークンに対し、Sarashina3は約9.5億トークンだった。API料金は入出力トークン数で決まるため、トークン効率は利用料金や消費電力にも関わるとしている。

Genkit Go に入門してみた：基本機能とTool Callingの使い方

ABEJAのエンジニアが、AI搭載アプリ向けオープンソースフレームワークGenkitのGo SDKを試し、開発者ツールの起動、Flowの定義、LLM呼び出し、会話履歴の保持、Tool Callingの基本をまとめた。LLM呼び出しにはAzure AI Foundryのプラグインを使い、モデルはgpt-5.4-miniを指定している。Go SDKは2025年9月に安定版がリリースされている。

一人情シスからMDMへ。仕事の進め方が変わった話

LayerXからMDMに出向したエンジニアが、Amazon GuardDuty Malware Protection for S3の導入で二度の手戻りを経験し、仕事の進め方を見直したと振り返る。二度目は、AIが提案した冪等性や誤削除への対策を十分に比較せず取り入れたため実装が複雑になり、レビューで必要な処理に絞り込んだ。実装前に対応範囲を決め、判断の途中段階から関係者と認識を合わせることの重要性を実感したという。

ICML 2026で見えた、本番エージェント86システムの「地味な設計」

LayerXのリサーチ・エンジニアが、ICML 2026で紹介された本番稼働のLLMエージェント86システムの調査から、成功例は追加学習を避け、人の確認までの自律ステップを10未満に抑え、事前に決めた手順に沿わせる地味な設計に収束していると報告する。本番システムの70%が追加学習をせず、80%が事前定義の手順に沿わせており、評価は人の確認が74%を占め、75%は正式なベンチマークを持たない。知識ベースについては、検索の窓口だけから全体の復元率が4分野混在で45〜49%に達したとする研究が紹介されている。

KubeCon + CloudNativeCon Japan 2026参加記、OpenTelemetryの登壇とセッションを振り返る

LayerXのEngineering Managerが、KubeCon + CloudNativeCon Japan 2026（7月29〜30日）と併催のJapan Community Day（7月28日）に参加し、OpenTelemetryについて登壇した。CNCFの2025年年次調査では、コンテナ利用者の82%が本番環境でKubernetesを利用していると報告されている。Atlassianの講演では、1日あたり1.6PBのテレメトリーが生成される規模でのStatsDからOpenTelemetryへの移行事例が紹介された。