人手による検索関連度アノテーションをLLMで置き換えるというPinterest の事例。人手データをある程度集めた上でそれを使ってモデルを学習してスケールさせるというのがやっぱり王道っぽい
medium.com/pinterest-en...
medium.com/pinterest-en...
LLM-Powered Relevance Assessment for Pinterest Search
Han Wang | Machine Learning Engineer; Alex Whitworth | Staff Data Scientist; Pak Ming Cheung | Sr. Staff Machine Learning Engineer; Zhenjie…
medium.com
December 19, 2025 at 4:00 AM
人手による検索関連度アノテーションをLLMで置き換えるというPinterest の事例。人手データをある程度集めた上でそれを使ってモデルを学習してスケールさせるというのがやっぱり王道っぽい
medium.com/pinterest-en...
medium.com/pinterest-en...
正しく作るのが結局一番早いというのはやはりあって、最近の新しいものをいろいろ試すために必要なものをスキップしますみたいなのはPoCの先に行くのに苦労しがち
December 18, 2025 at 3:28 AM
正しく作るのが結局一番早いというのはやはりあって、最近の新しいものをいろいろ試すために必要なものをスキップしますみたいなのはPoCの先に行くのに苦労しがち
Reposted by yng
規定のワークフローを通さなかったがために発生する問題を解決するために対処療法的な実装を追加するのではなく規定のワークフローを通せばその問題は起きないんだからちゃんとワークフローを通す仕組みにしましょう、みたいな話
December 18, 2025 at 2:00 AM
規定のワークフローを通さなかったがために発生する問題を解決するために対処療法的な実装を追加するのではなく規定のワークフローを通せばその問題は起きないんだからちゃんとワークフローを通す仕組みにしましょう、みたいな話
実際のサービス開発してる人達はLLMで合成データをたくさん作るより、少数でいいので実際のプロダクション環境から失敗例を集めたり、エキスパートの人間による評価を集めるべしと言っているのでそういうことだよね
December 12, 2025 at 7:23 AM
実際のサービス開発してる人達はLLMで合成データをたくさん作るより、少数でいいので実際のプロダクション環境から失敗例を集めたり、エキスパートの人間による評価を集めるべしと言っているのでそういうことだよね
LLM as judgeを作る上でのめちゃ実用的な記事だ…
eugeneyan.com/writing/prod...
eugeneyan.com/writing/prod...
Product Evals in Three Simple Steps
Label some data, align LLM-evaluators, and run the eval harness with each change.
eugeneyan.com
December 11, 2025 at 11:26 AM
LLM as judgeを作る上でのめちゃ実用的な記事だ…
eugeneyan.com/writing/prod...
eugeneyan.com/writing/prod...
RecSys 2025の論文で、ショート動画の試聴時間予測をするのに直接回帰するのではなく、分布を指数+Gaussian mixture と置いてそのパラメータをフィットしに行くというのがあって面白かった
arxiv.org/abs/2508.12665
arxiv.org/abs/2508.12665
Multi-Granularity Distribution Modeling for Video Watch Time Prediction via Exponential-Gaussian Mixture Network
Accurate watch time prediction is crucial for enhancing user engagement in streaming short-video platforms, although it is challenged by complex distribution characteristics across multi-granularity l...
arxiv.org
December 7, 2025 at 3:01 PM
RecSys 2025の論文で、ショート動画の試聴時間予測をするのに直接回帰するのではなく、分布を指数+Gaussian mixture と置いてそのパラメータをフィットしに行くというのがあって面白かった
arxiv.org/abs/2508.12665
arxiv.org/abs/2508.12665
django 6.0でFastAPIのバックグラウンドタスク的なものが実装されたのかと思ったが、ワーカーは自分で実装することが前提のようでちょっと違った
roam.be/notes/2025/a...
roam.be/notes/2025/a...
A first look at Django's new background tasks
Django 6.0 introduces a built-in background tasks framework in `django.tasks`. But don't expect to phase out Celery, Huey or other preferred solutions just yet.
roam.be
December 5, 2025 at 1:46 AM
django 6.0でFastAPIのバックグラウンドタスク的なものが実装されたのかと思ったが、ワーカーは自分で実装することが前提のようでちょっと違った
roam.be/notes/2025/a...
roam.be/notes/2025/a...
素粒子現象論をやっていた者としては、天文の解析論文は同じ対象でも著者が変わって解析の仮定が変わればかなり結果が変わるという印象がある。あと例のプレスリリースはWIMPにしては消滅断面積が大きすぎると思うので、理論モデルとして解があるのか怪しい
November 28, 2025 at 4:38 AM
素粒子現象論をやっていた者としては、天文の解析論文は同じ対象でも著者が変わって解析の仮定が変わればかなり結果が変わるという印象がある。あと例のプレスリリースはWIMPにしては消滅断面積が大きすぎると思うので、理論モデルとして解があるのか怪しい
Reposted by yng
主に向こうのSNSで話題になっている例のWIMP検出(?)論文だけど、一般論として、観測波長によらず、ああいったdiffuseな輻射に対して観測機器由来のアーティファクトやゴースト、前景輻射を含む他のソースからのコンタミを適切に差し引いた上で評価するのは極めて難しいことは認識されておくべきだと思う。
(当該論文は斜め読みしただけだし専門外なので評価しないけど)少なくてもinstrumentationとデータ解析と想定されうるコンタミ輻射に対する極めて精緻な知見と慎重な態度を持った人が実施した研究でない限り、正直文言通り受け入れるのは難しい成果ではないだろうか。
(当該論文は斜め読みしただけだし専門外なので評価しないけど)少なくてもinstrumentationとデータ解析と想定されうるコンタミ輻射に対する極めて精緻な知見と慎重な態度を持った人が実施した研究でない限り、正直文言通り受け入れるのは難しい成果ではないだろうか。
November 28, 2025 at 4:32 AM
主に向こうのSNSで話題になっている例のWIMP検出(?)論文だけど、一般論として、観測波長によらず、ああいったdiffuseな輻射に対して観測機器由来のアーティファクトやゴースト、前景輻射を含む他のソースからのコンタミを適切に差し引いた上で評価するのは極めて難しいことは認識されておくべきだと思う。
(当該論文は斜め読みしただけだし専門外なので評価しないけど)少なくてもinstrumentationとデータ解析と想定されうるコンタミ輻射に対する極めて精緻な知見と慎重な態度を持った人が実施した研究でない限り、正直文言通り受け入れるのは難しい成果ではないだろうか。
(当該論文は斜め読みしただけだし専門外なので評価しないけど)少なくてもinstrumentationとデータ解析と想定されうるコンタミ輻射に対する極めて精緻な知見と慎重な態度を持った人が実施した研究でない限り、正直文言通り受け入れるのは難しい成果ではないだろうか。
自分が最近Xを見ないのは、技術界隈すらClickbait的な投稿が多くて見ていてキツいからというのがある。驚き屋だけではなく、不確実な事象に断定的な口調を取ることでポジションを取ろうみたいな投稿が多くあるように感じる
November 28, 2025 at 1:17 AM
自分が最近Xを見ないのは、技術界隈すらClickbait的な投稿が多くて見ていてキツいからというのがある。驚き屋だけではなく、不確実な事象に断定的な口調を取ることでポジションを取ろうみたいな投稿が多くあるように感じる
三井住友銀行アプリ、カード利用通知の許諾でOliveのキャンペーン頻繁に送ってきて本当に腹立つ
November 27, 2025 at 7:10 AM
三井住友銀行アプリ、カード利用通知の許諾でOliveのキャンペーン頻繁に送ってきて本当に腹立つ
論文実装リポジトリを雑に信頼して使ってたらnn.ModuleListではなくただのリストに重みを入れている部分があって死んだ
November 24, 2025 at 6:14 AM
論文実装リポジトリを雑に信頼して使ってたらnn.ModuleListではなくただのリストに重みを入れている部分があって死んだ
uv で環境依存が激しいライブラリ（例えば特定cudaバージョンのtorch）を扱う時に、tool.uv の environments を指定すると対象となるOSとか制限できて、macでも uv lock を通しやすくなるというのを学んだ
November 23, 2025 at 1:03 PM
uv で環境依存が激しいライブラリ（例えば特定cudaバージョンのtorch）を扱う時に、tool.uv の environments を指定すると対象となるOSとか制限できて、macでも uv lock を通しやすくなるというのを学んだ
rectools、implicit (開発が止まっている) に依存しているせいで、最近のバージョンのpythonでインストールする難易度が高すぎる
November 23, 2025 at 12:58 PM
rectools、implicit (開発が止まっている) に依存しているせいで、最近のバージョンのpythonでインストールする難易度が高すぎる
これ良くやるけど現職だとあまり一般的にやられてなくて驚いた
November 22, 2025 at 9:30 AM
これ良くやるけど現職だとあまり一般的にやられてなくて驚いた
Reposted by yng
口頭で話した内容をメモとしてチャットに書くのってあんまり一般的ではないらしいがとても便利なのでみんなやったほうがいい
November 22, 2025 at 7:56 AM
口頭で話した内容をメモとしてチャットに書くのってあんまり一般的ではないらしいがとても便利なのでみんなやったほうがいい
議事録って参加者で意思決定内容に齟齬がないか確認したり、next actionを明確化したりするためのものだから、AIに議事録取らせて事後共有みたいなやり方では代替できない
November 22, 2025 at 12:35 AM
議事録って参加者で意思決定内容に齟齬がないか確認したり、next actionを明確化したりするためのものだから、AIに議事録取らせて事後共有みたいなやり方では代替できない
「AIの要約つけておきました！」と言われても誰も読んでいないのである
November 22, 2025 at 12:26 AM
「AIの要約つけておきました！」と言われても誰も読んでいないのである
Reposted by yng
今やってるタスクだと、2.5 proでthinking最小にするくらいが性能とレイテンシのバランスが良いんだよな
November 19, 2025 at 9:55 AM
今やってるタスクだと、2.5 proでthinking最小にするくらいが性能とレイテンシのバランスが良いんだよな
Gemini 3、thinking_level=low でflash 2.5くらいのレイテンシみたいに書いてあるけど本当？ちゃんと条件揃えて比べられてないけどもっと遅い気がする
November 19, 2025 at 9:54 AM
Gemini 3、thinking_level=low でflash 2.5くらいのレイテンシみたいに書いてあるけど本当？ちゃんと条件揃えて比べられてないけどもっと遅い気がする
自分がやってるタスクだとgemini 2.5 proが一番うまく指示を守ってくれてる
November 13, 2025 at 10:51 PM
自分がやってるタスクだとgemini 2.5 proが一番うまく指示を守ってくれてる
オレオレ実装を書かず、SDKのドキュメントを落ち着いて読んでから作業始めて欲しい
November 7, 2025 at 6:07 AM
オレオレ実装を書かず、SDKのドキュメントを落ち着いて読んでから作業始めて欲しい
codex使い始めてclaude codeよりも良いコード書くなと思ってたけど、ある程度以上複雑なことをやらせると複雑でキモい本当に必要かもわからない独自実装を大量に入れてきたりするのでダメだ
November 7, 2025 at 6:06 AM
codex使い始めてclaude codeよりも良いコード書くなと思ってたけど、ある程度以上複雑なことをやらせると複雑でキモい本当に必要かもわからない独自実装を大量に入れてきたりするのでダメだ