a16mixx

a16mixxは生成AIと戦略の研究所です。 生成AI(ディープラーニング)のテクノロ…

a16mixx

a16mixxは生成AIと戦略の研究所です。 生成AI(ディープラーニング)のテクノロジー、アーキテクチャー、事業応用を中心に、時事ネタを含め様々な情報をお届けします。協業などのご相談は https://a16mixx.com/ までお願いします。

最近の記事

論文解説:新型コロナ感染におけるフィブリンの役割:血栓炎症と神経病理を促進(コロナ感染、癌、自己免疫疾患、mRNAワクチン)2024/8/28

解説する論文Fibrin drives thromboinflammation and neuropathology in COVID-19 新型コロナ感染におけるフィブリンの役割:血栓炎症と神経病理を促進 natureに掲載されている為、論文としての科学的信頼性が高いと判断してご紹介します。 コロナ感染の免疫細胞(マクロファージ、NK細胞)に与える影響について述べられており、また、そのメカニズムの中心であるフィブリンを標的とした新しい治療法の可能性について言及されてい

¥350
    • 論文解説:LLMのペアワイズ評価を自動化するLLMの自動精度向上手法(人間アノテーター不要)「Self-Taught Evaluators」

      論文タイトル 「Self-Taught Evaluators」(自己学習型評価者) 当論文の目的 人間の評価者を代替するLLM、つまり自動評価用LLMの性能向上を目的とした論文です。 評価の手法はLLM-as-a-Judgeすなわち、あるプロンプトに対しての応答が2つあった場合に、2つの応答のいずれがより好ましい応答かを判断する評価能力に焦点を当てています。 よって、この論文の手法を用いてLLMを訓練して出来上がったLLMは、プロンプトとそれに対する2つの応答例を入力す

      ¥100〜
      割引あり
      • 医療への生成AI活用:検査値等(欠損値可)を入力として、疾患の悪化ステージを2次元で可視化し、時系列で追跡する手法【見やすい論文翻訳サービス付】

        論文タイトル 「半教師あり潜在プロセスを持つ深層生成モデルを用いた複雑な疾患軌跡のモデリング」 Modeling Complex Disease Trajectories using Deep Generative Models with Semi-Supervised Latent Processes 既存研究の課題 従来の深層生成モデルは、複雑な疾患の経過を捉えるのが難しい場合がありました。 生成された潜在空間の解釈性が限定的で、医療の専門家にとって理解しにくいも

        ¥150〜
        割引あり
        • Evol-Instruct:LLMが複雑な指示に従う能力を向上させた論文。【論文翻訳サービス付】

          この論文の超まとめ 大規模言語モデル(LLM)が複雑な指示に従うことを可能にするWizardLMという手法を提案しています。 既存研究の課題 近年、大規模言語モデル(LLM)は目覚ましい発展を遂げており、様々な自然言語処理タスクにおいて目覚ましい成果を上げています。 しかし、これらのモデルはしばしば、ユーザーが指定した指示や目標に従うのに苦労するという問題を抱えていました。 特に、複雑な指示や多様なタスクに対応する能力が不足していました。 本研究で解決した課題 この研

          ¥450

        論文解説:新型コロナ感染におけるフィブリンの役割:血栓炎症と神経病理を促進(コロナ感染、癌、自己免疫疾患、mRNAワクチン)2024/8/28

        ¥350
        • 論文解説:LLMのペアワイズ評価を自動化するLLMの自動精度向上手法(人間アノテーター不要)「Self-Taught Evaluators」

          ¥100〜
        • 医療への生成AI活用:検査値等(欠損値可)を入力として、疾患の悪化ステージを2次元で可視化し、時系列で追跡する手法【見やすい論文翻訳サービス付】

          ¥150〜
        • Evol-Instruct:LLMが複雑な指示に従う能力を向上させた論文。【論文翻訳サービス付】

          ¥450

          数学特化LLM:WizardMathの作り方【論文PDF翻訳サービス付】

          解説する論文WizardMath: Empowering Mathematical Reasoning for Large Language Models via Reinforced Evol-Instruct 既存研究の課題 大規模言語モデル(LLM)は、ChatGPTに代表されるように、自然言語処理において目覚ましい成果を上げています。しかし、既存のオープンソースのモデルは、大規模なインターネットデータで事前学習されているだけで、数学的な推論能力の向上のために最適化

          ¥250〜
          割引あり

          数学特化LLM:WizardMathの作り方【論文PDF翻訳サービス付】

          ¥250〜

          企画職向けDL論文解説:Transformerを使った強化学習:Decision Transformer: Reinforcement Learning via Sequence Modeling

          企画職の為のディープラーニングの論文解説です。DLの概要理解を通してAIのビジネス活用企画を立案する事を目的としておりDL専門家視点では細かな間違いが含まれている可能性があります。 元論文はこちら 要点強化学習の時系列処理にTransformer(causal transformer)という2021年時点で流行りの高速高性能時系列処理パーツを使ったよ。そうする事で、長い時系列データに対しても良い結果が出たよ。 強化学習とは?コンピューターが自身で試行錯誤しながらゲームを

          企画職向けDL論文解説:Transformerを使った強化学習:Decision Transformer: Reinforcement Learning via Sequence Modeling

          企画職向けAI論文解説:画像の文字の指示による変換:StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators

          文系企画職の為のディープラーニングの論文解説です。DLの概要理解を通してAIのビジネス活用企画を立案する事を目的としておりDL専門家視点での細かな部分の説明は省略していたり、分かりやすく調整している場合があります。 元論文はこちら(2021年8月投稿の論文) 要点文字で指示を与える事で、画像を変換するよ。例えば、普通の車の写真をスポーツカーの写真に変えたり、顔の写真をスケッチ風などに変換したり、ディズニー風にしたり、どんな変換でも文字での指示のみで変換可能。この論文のポイン

          企画職向けAI論文解説:画像の文字の指示による変換:StyleGAN-NADA: CLIP-Guided Domain Adaptation of Image Generators

          BERTの日本語学習済みモデルの種類

          BERTモデル自体は自分で作る必要はない BERTモデルのプログラミング自体は、既にあるものを利用すればOKです。最も有名で確実なものは下記になります。 Googleがオフィシャルに公開しているもの(Tensorflow版のみ) https://github.com/google-research/bert huggingfaceが公開しているもの(こちらはTensorflowとPyTorch版両方ある) https://github.com/huggingface/tr

          BERTの日本語学習済みモデルの種類