NVIDIA NeMo Evaluator Agent Skillsで、対話型LLMの評価をわずか数分で実現
- NVIDIAが対話形式でLLMの性能評価を自動設定できる機能を公開しました。
- 複雑なYAML作成を省き、会話だけで評価環境の構築が可能です。
- 設定の手間やミスをなくし、本来の評価作業に集中できるようになります。
Modular Diffusers のご紹介 — Diffusion Pipelines のための組み合わせ可能なビルディングブロック
- 生成工程を部品化して自由に組めるModular Diffusersが登場しました。
- ブロックを自在に繋ぎ、特定の機能を後から入れ替えたり追加したりできます。
- 独自の生成手順を効率よく構築でき、作成した部品の共有や再利用が捗ります。
ロボットAIを組み込みプラットフォームへ：データセットの記録、VLAのファインチューニング、オンデバイスの最適化
- VLAモデルをNXP i.MX95などの組み込み機器へ実装する手順を解説。
- データの精度を高めつつ推論を並列化し、遅延のないロボット動作を可能にする。
- 性能が限られた基板上で最新のAIを実用化するための具体的な設計指針が得られる。
PRX Part 3 — 24時間でText-to-Imageモデルを学習！
- 1500ドルの予算を使い、画像生成AIを24時間で学習させた
- 最新の最適化手法を組み合わせ、少ない計算資源で高い品質を得た
- GitHubで公開されたコードを使い、誰でも独自のAIを構築できる
TransformersにおけるMixture of Experts (MoEs)
- TransformersでAIモデルの処理を高速化するMoEの実装が進化している。
- 必要な部品だけを動かすことで、巨大なモデルでも高速な推論が可能になる。
- 新しいデータの読み込み機能により、高性能なAIを少ない計算資源で活用できる。
JetsonでオープンソースのVision Language Models (VLM)を展開する
- NVIDIA Jetsonデバイスで、視覚と言語を組み合わせたAIモデル「Cosmos Reasoning 2B」を動かす方法を解説。
- モデルはNGCからダウンロードし、vLLMフレームワークとDockerを使ってJetson AGX Thor/Orin/Orin Nano Superで実行可能。
- 読者は、WebUIを通じてリアルタイムでカメラ映像を解析し、インタラクティブな物理AIアプリケーションを構築できる。
GGMLとllama.cppがHFに加わり、ローカルAIの長期的な発展を確実にする
- Llama.cppの開発チームがHugging Faceに参加し、ローカルAIの発展を加速させる。
- Llama.cppは引き続きオープンソースで開発され、技術的な方向性は開発チームが決定する。
- ローカルでのAI利用をより簡単にするため、モデルの配布やユーザー体験の改善を目指す。
UnslothとHugging Face JobsでAIモデルを無料でトレーニング
- UnslothとHugging Face Jobsを使って、LLM（言語モデル）の高速なファインチューニングができる。
- LiquidAI/LFM2.5-1.2B-Instructのような小規模モデルは、学習コストが低く、様々な環境で利用可能。
- 無料クレジットを利用してモデルを学習でき、Claude CodeやCodexなどのコーディングエージェントで簡単に実行可能。
データ不足の壁を越える：合成ペルソナが日本のAI開発を加速
- AI開発における学習データ不足を、合成データで解決する事例を紹介。
- NTT DATAは、NeMo Data Designerで生成した合成ペルソナを活用し、モデル精度を大幅に向上。
- 企業は合成データにより、プライバシー保護と高品質なAIモデル構築を両立できる。
不足から規模拡大へ：合成ペルソナがどのように日本のAI開発を加速できるか
- 日本のAI開発は、学習データの不足が課題だった。
- NTT DATAの研究で、合成データがモデルの精度を大幅に向上させた。
- 企業は、合成データでプライバシーを守りつつ、AI開発を加速できる。
Gradioのgr.HTMLで、どんなWebアプリも一発作成
- Gradio 6で、gr.HTMLがカスタムテンプレート、CSS、JavaScriptに対応した。
- LLM（Claude等）で、ウェブアプリのフロントエンド、バックエンドを1つのPythonファイルで生成可能。
- gr.HTMLで、特別なUIコンポーネントを構築し、AIアプリ開発のスピードを向上できる。
IBMとUCバークレー、IT-BenchおよびMASTを用いてエンタープライズエージェントの失敗原因を分析
- IBMとUCバークレーが、IT自動化におけるエージェントの失敗原因を調査。
- 強力なモデルは単一の誤り、オープンソースモデルは誤りが連鎖することが判明。
- エージェント開発者は、検証の外部化や終了条件の明確化が重要とわかる。
NVIDIA Nemotron 2 Nano 9B Japanese：日本のソブリンAIを支える最先端の小規模言語モデル
- NVIDIAが日本語のSLM「Nemotron-Nano-9B-v2-Japanese」を公開した。
- このモデルは、高品質な日本語理解とエージェント機能を持つ軽量モデルである。
- 開発者はこのモデルを基盤に、多様な用途に合わせてAIをカスタマイズできる。
CodexとClaudeによるカスタムカーネルの提供
- 開発者は、AIエージェント（Claude、Codex）にCUDAカーネルを生成させるスキルを構築した。
- このスキルは、GPUアーキテクチャに合わせた最適化やライブラリとの連携に必要な知識を提供する。
- 開発者は、生成されたカーネルをHuggingFace Kernel Hubで共有し、再利用可能にした。
実践的なOpenEnv：現実世界環境におけるツール使用エージェントの評価
- OpenEnvは、AIエージェントを現実世界で評価するためのオープンソースフレームワークである。
- カレンダー管理環境「Calendar Gym」により、複雑なタスクにおけるエージェントの弱点が判明した。
- 複数ステップの推論、曖昧さへの対応、正確なツール実行が、実用的なエージェント構築の鍵となる。
Transformers.js v4 プレビュー版：NPMで公開開始！
- Transformers.js v4のプレビュー版がNPMで公開され、GitHubからの直接インストールは不要になった。
- 新しいWebGPUランタイム採用で、パフォーマンス向上と幅広いJavaScript環境での利用が可能になった。
- リポジトリの構造変更、モデルの追加、ビルドシステムの改善により、開発効率と使いやすさが向上した。
グローバルなオープンソースAIエコシステムの未来：DeepSeekからAI+へ
- 中国のAI業界では、DeepSeek R1以降「DeepSeek Moment」と呼ばれるオープンソースAIの動きが活発化している。
- 主要なAI組織（Alibaba、Tencent、ByteDance、Baiduなど）が、モデルや技術を積極的に公開し、エコシステムを構築している。
- 研究者や開発者は、オープンソースを活用することで、中国のAI技術発展に貢献し、新たな応用分野を開拓できる。
H社の新モデルHolo2、UIローカライズで首位に立つ
- H Companyが最新UIローカライズモデル「Holo2-235B-A22B Preview」を発表した。
- 「Holo2」はAgentic Localizationで反復予測を行い、UI要素の精度を向上させる。
- 「Holo2-235B-A22B Preview」はHugging Faceで公開され、UIローカライズの品質改善に役立つ。
コミュニティ評価：ブラックボックス型リーダーボードよりコミュニティの判断を信頼します
- Hugging Face Hubで、モデルの評価結果をコミュニティが共有できる仕組みが公開された。
- 評価データセットがリーダーボードを掲載し、モデルは評価結果をGitで管理する。
- ユーザーはPull Requestで評価結果を提出でき、透明性の高い評価プロセスに貢献できる。
Nemotron ColEmbed V2：ViDoRe V3の最上位モデルでマルチモーダル検索のレベルを引き上げる
- 複数の種類の情報（テキスト、画像、表など）をまとめて検索する技術が進化している。
- Nemotron ColEmbed V2は、高精度なマルチモーダル検索を実現する後処理型埋め込みモデル。
- ViDoRe V3で高い精度を示し、マルチメディア検索やAI会話などの応用が期待される。