エッジ環境でのLocal VLMによるセキュアOCR：Grammar制約で構造化出力を行う
閉域・オフライン環境でLocal VLMを使い、運転免許証から氏名などを抽出する構成を検証した。小型モデルはプロンプトだけでは出力形式が崩れるため、JSON Schemaに基づくGrammar制約で形式を強制し、常にパース可能なJSONを得る方法を示している。Visual Prompt Injectionに対しても、Grammar制約は出力層での防御として機能すると主張している。
#チュートリアル
#チュートリアル
本日4件ABEJA Tech BlogAIスコア2727
Mistral AI NewsAIスコア4343 Rails テストを自動化するエージェント、RSpec の作成と検証を CI/CD で実行
Mistral AIは、Rails のソースファイルを読み取り、RSpec テストを生成・改善して、スタイルルールとカバレッジ目標で検証するエージェントを構築したと発表した。CI/CD パイプライン内で人手を介さず動作し、複数のインスタンスが異なるファイルを並列に処理する。
ABEJA Tech BlogAIスコア4141 ABEJAによるLLMの自律的な調査力を高めるAgentic RLの取り組みと知見
ABEJAは、Qwen3に思考とツール実行を繰り返させてAgentic能力を強化する、SFTと強化学習の取り組みと知見をまとめた。SFTでは、gpt-oss-120bがOpenSearchによるWikipedia検索ツールを使って推論した出力を、正答データへの絞り込みや推論部分の日本語化などで改善して教師データを作成した。強化学習では、Wikipediaを使うマルチホップQAとDeepResearch、e-Gov法令データを使うQAの3タスクをGRPOで学習し、最後にModel Soupで統合した。
ABEJA Tech BlogAIスコア2222 Mentor Pi のメカナムホイールを ROS 2 で動かす、macOS 上のシミュレーション環境構築とフロンティア探索による検証
ABEJA のインターンが、メカナムホイール搭載の 4 輪ロボット Mentor Pi（Mecanum）を ROS 2 で動かし、macOS 上で Gazebo によるシミュレーション環境を構築した。MuJoCo は ROS 2 との統合が弱く、Webots は macOS で UTM などを経由する必要があるとして見送り、Gazebo を pixi で構築して採用した。実機では 2D LiDAR による SLAM マッピングを行ったが、マップが拡大し続ける問題が残り、モーター暴走の回避策の影響で 3 輪駆動になった可能性があると記されている。
ELYZA 技術ブログ（Zenn）AIスコア2525 Rerankerのモデル比較とコスト削減実験、Cross Encoder型と汎用LLM型を検証
RAGのRerankerについて、Cross Encoder型と汎用LLM型を検索精度・応答時間・運用コストの観点から比較した。JQaRAではCross Encoder型のcl-nagoya/ruri-v3-reranker-310mがnDCG@10 0.869で最高値を記録し、Multi-hop FAQでは汎用LLMが相対的に高いスコアを示した。さらに汎用LLM型のコスト削減手法により、精度を維持したまま最大40%のコスト削減を達成したとしている。
Turing 技術ブログ（Zenn）AIスコア2828 運転動画を検索可能にする 〜Cosmos-Embed1とDatabricksで〜
チューリングは、NVIDIA の映像-テキスト埋め込みモデル Cosmos-Embed1 と Databricks Vector Search を組み合わせ、約54万シーン（約2,000時間分の走行データ）を対象にしたセマンティック検索システムを構築した。映像側の embedding は日次バッチで事前計算し、テキスト側のみ AWS Lambda でリアルタイムに計算する構成とした。
Turing 技術ブログ（Zenn）AIスコア2525 Dead Reckoningによる自己位置推定
Turingは、車輪速とIMUから速度と姿勢を推定して時間積分するDead Reckoningによる自己位置推定手法を解説する。トンネルや地下駐車場などGNSSが受信できない環境でも、ローカルな自己位置を求められるとしている。GNSSが使える場所との比較では、単純計算でX方向0.65%、Y方向1.57%の誤差だった。この手法は自動運転システムにも組み込まれ、環境に依存せず走行実験ができるようになったという。
Turing 技術ブログ（Zenn）AIスコア2222 List Objectsに数日かかる世界からの脱却。20TB/日のデータを支えるS3インベントリ活用術
Turingは、S3インベントリを用いたデータ管理基盤を導入し、数億オブジェクト規模のデータセット情報を数日ではなく数秒で取得できるようにした。Databricks上で外部テーブルとDelta Tableの2段階構成とし、日次で更新している。インベントリの実行コストは100万オブジェクトあたりUSD 0.0025と記載されている。
One Useful Thing (Ethan Mollick)AIスコア6262 エージェント時代にどのAIを使うか、モデル・アプリ・ハーネスで整理するガイド
Ethan Mollickは、エージェント時代のAI選びを「モデル」「アプリ」「ハーネス」の3要素で整理するガイドを公開した。チャットボットでの会話から、タスクを任せてAIがツールを使って実行する形へ使い方が変わったためである。主要モデルはGPT-5.2/5.3、Claude Opus 4.6、Gemini 3 Proで、月額$20の有料プランで高性能モデルを選ぶことを勧めている。
Turing 技術ブログ（Zenn）AIスコア3333 Tokyo 30を支えたAWS上のフルマネージドGPUクラスターの構築・運用の実態
チューリングのMLOpsチームは、Amazon SageMaker HyperPod＋Slurm＋Lustreで構築したGPUクラスターを、us-east-1からus-west-2へ移行した。移行の背景には、データセットのあるS3がオレゴンにあり転送料が発生していた問題がある。移行後はGPUノード数が同じでもコストが想定の約2倍になり、割引対象インスタンスなしでクラスターを作成したため割引が無効化されていたことが分かった。
ABEJA Tech BlogAIスコア2222 ABEJA、2足歩行ロボットを自作しIsaacLabで強化学習（前編）
ABEJAの藤本氏が、Dynamixelモーターと3Dプリンタ部品で2足歩行ロボットを自作し、IsaacLabでのシミュレーションまでの流れを紹介する。関節は3つに限定し、姿勢認識はIMUのみで行う構成である。制御には強化学習（PPO）を採用し、URDFからUSDへの変換、rsl_rlを用いたプロジェクト作成、環境と報酬の設定を解説している。
ABEJA Tech BlogAIスコア2222 NVIDIA Clara を使って医療・創薬系の AI モデルを動かしてみた
ABEJA の筆者が NVIDIA の医療系 AI プラットフォーム「NVIDIA Clara」を試し、MONAI Toolkit で内臓セグメンテーション用モデル VISTA-3D をファインチューニングして CT 画像で推論した。学習には腹部 CT 画像 150 枚と 5 epoch を用い、GCP の T4 1 台で動作させた。創薬分野では BioNeMo Framework でタンパク質言語モデル ESM-2 の学習と推論も試している。
ABEJA Tech BlogAIスコア2929 今更ながら DeepSeek-R1 の論文を読んでみた
DeepSeek-R1は、DeepSeek-V3-Baseを数千個規模のCoT付きデータでファインチューニングした後、GRPOによる強化学習で品質を改善するモデルである。強化学習の報酬にはReward Modelではなく、数学やコーディングの正解判定に基づくルールベースの報酬を用いており、報酬ハッキングを避ける狙いがあると説明されている。
ABEJA Tech BlogAIスコア4242 gpt-oss-120bに論理クイズや数学の問題を解かせ、推論ログを読んでみた
ABEJAのデータサイエンティストが、OpenAIのgpt-oss-120bに論理クイズや数学の問題、詰将棋を解かせ、思考過程のログを検証した。設定はtemperature 1.0、reasoning effort highである。嘘つき特定問題では、各証言の真偽を場合分けして検討し、Bobが犯人となる組み合わせに至る過程が確認できる。
ELYZA 技術ブログ（Zenn）AIスコア2323 ELYZA、プロンプトの読み込み・レンダリングを標準化する社内ライブラリの要件と設計
ELYZAのSolution事業部は、複数プロジェクトで再利用するプロンプトの読み込みとレンダリングに特化した社内ライブラリの要件と設計を紹介している。プロンプト定義にはTOMLを、テンプレートエンジンにはJinja2を採用し、Rendererはプラグインで追加できる構造とした。利用者には PromptTemplate.from_path() で読み込み、render() でレンダリングする単一のFacadeを提供し、fail-closeの原則で検証を行うとともに、ログにプロンプトやデータの中身を出力しない。
ELYZA（note）AIスコア2727 ELYZAはどのようにLLMプロダクトを開発しているのか
ELYZAは自社LLMプロダクト「ELYZA Works」の開発で、WebサービスとLLM領域をMQ（メッセージキュー）で分離する構成を採用している。Web側はTypeScript、LLM側はPythonを用い、それぞれ得意な技術で開発する体制を取っている。開発では要件定義、UI/UXデザイン（Figma）、Design Docによる設計、AIコーディング（主にClaude Code）を経てリリースしており、1機能の開発期間は約2週間を目安としている。
ELYZA 技術ブログ（Zenn）AIスコア2525 Claude Codeで使うタスク管理ツール「Task Master」を試す
ELYZAの中村氏が、npmで公開されたオープンソースのAI駆動タスク管理ツール「Task Master」をClaude Codeと連携させて試した。PRDからAIがタスクとサブタスクを自動生成し、タスクはtasks.jsonで管理される。Claude CodeからMCPツール経由で次のタスクを取得して着手でき、Notionへの一方向エクスポート用スラッシュコマンドも自作している。
Mistral AI NewsAIスコア2727 Pixtral-12Bのファインチューニングで衛星画像の分類性能を高める方法
Mistralは、Pixtral-12Bを衛星画像でファインチューニングすると、ベースモデルより大きな改善が得られるとしている。評価にはAerial Image Dataset（AID）を用い、8,000件の学習データと2,000件のテストデータに分けた。プロンプトのみでは曖昧なクラスの識別や、存在しないクラス名の出力が課題だった。
ELYZA 技術ブログ（Zenn）AIスコア3333 Speculative Decoding：GPUを増やさず推論を高速化
ELYZAは、vLLMの推論サーバにSpeculative Decodingを適用し、同一ハードウェアのまま推論throughputを最大約1.7倍に高めた。ELYZA-tasks-100での評価では、Llama3.2-1Bをdraft modelとし、num_speculative_tokens=4としたときに最も高いTPS（32.25）を記録し、Speculative Decoding無しの18.90を上回った。GPT-4oスコアはベースラインの4.03とほぼ同等で、性能劣化は見られなかったとしている。
ELYZA（note）AIスコア4040 Reasoning Modelと新たなスケーリング則がもたらす生成AIの進化の可能性（ELYZA社内勉強会）
ELYZAの社内勉強会資料として、Reasoning Modelの仕組みと、推論時に計算資源を増やすことで性能が向上する「Inference Time Scaling」の意味が解説されている。OpenAIはo1で、思考時間を長くするほどスコアが一貫して改善する結果を示したとされる。ELYZAはMCTSによる推論パス探索で約15万件の合成データを生成し、ELYZA-Thinking-1.0の開発に用いた。
Mistral AI NewsAIスコア3535 Mistral AI、LLM as a JudgeによるRAGシステム評価を解説
Mistral AIは、LLM as a Judge方式でRAGシステムを評価する方法を解説し、評価枠組みとしてRAG Triad（Context Relevance、Groundedness、Answer Relevance）を挙げている。RAG Triadは検索された文書と回答の両方を評価でき、検索と生成の双方を端から端まで評価するのに役立つとされる。同社APIのカスタム structured outputs を使えば、評価基準とスキーマを定義し、機械可読な形式でスコアを出力できる。