2017-2019頃に活動しており、コロナ以降休止していたLanguage and Robotics研究会 (LangRobo研究会)を再開する運びとなりました。 自然言語処理分野とロボティクス分野の近年の融合と発展は著しく、身体を持つエージェントが人間と自然言語でコミュニケーションしながら環境内を動いたりといった研究も両分野において多く見られるようになってきました。言語におけるロボティクスの導入やロボティクスにおける言語の導入の価値は今後も高まっていくことが期待されます（詳しくは文献[1]をご覧ください）。 LangRobo研究会は、今後の自然言語処理とロボティクスの融合をどのように進めていくのが良いかを議論する交流の場として活動していきます。 [1] Survey on frontiers of language and robotics 参加受付（connpass） 開催日：2023

主な「ローカルLLM」のリリース年表をまとめました。 2022年11月30日 OpenAI - ChatGPT リリース 2023年2月24日 LLaMA7B、13B、33B、65B を研究者向けの限定リリース。

小説を商業出版することになり、これまで自分で書いて見直すだけだったのが、編集者・校正者による校正・校閲のプロセスを初めて体験した。その過程で差別語・差別表現に関しての指摘を受けて、改めて自分の中での判断について少し整理しておきたいと思った。 ある言葉が持つニュートラル、ネガティブ、ポジティブの三相を同時に見ないと、「その言葉をここで使うのが適切か」は判断ができないけれど、三相のうち一面しか見なかったり知らなかったりすると正確に判断ができなかったり、話が噛み合わなくなったりする。 指摘を受けた点1 「発狂」や「狂人」に指摘が入った。 江戸時代に実在したという届出「発狂扱ひ」に言及した箇所に指摘が入った時はどうしようかとも考えて、「精神状態の異常による行動という届け出」と言い換えた。 明治時代に精神障害者が「狂病者」と呼称され、「狂」に否定的・差別的な意味あいが付与されてきた。1970年代に「

Independent analysis of AI language models and API providersUnderstand the AI landscape and choose the best model and API provider for your use-case

Research A generalist AI agent for 3D virtual environments Published 13 March 2024 Authors By the SIMA Team We present new research on a Scalable Instructable Multiworld Agent (SIMA) that can follow natural-language instructions to carry out tasks in a variety of video game settings Video games are a key proving ground for artificial intelligence (AI) systems. Like the real world, games are rich l

TL;DR 量子化しても成績が下がりにくいモデルと、大きく下がるモデルがある 一部のモデルは量子化すると回答が極端に短くなる 量子化によって回答が短くなる度合いは、量子化前モデルの回答の長さと相関がある可能性がある はじめに 皆さんは量子化したLLMを使っていますか？ 深層学習における量子化（quantization） とは、モデルのパラメータを少ないビット数で表現することです。 通常のモデルは float32 などの高精度なデータ型を使ってパラメータを表現しますが、この精度を float16 や int8 に下げることを量子化といいます。 量子化による最大のメリットは、モデルのメモリ使用量を削減できることです。メモリの大きなモデルを動かすためには、大容量のメモリを搭載したGPUが必要ですが、量子化によってモデルのメモリ使用量を削減することで、より多くのGPUでモデルを動かすことができます

ChatGPTが登場した当初、対話や要約、翻訳、コード生成などの典型的な言語タスクができても、SREやAIOpsの研究開発にはあまり関係ないのではないかと正直思っていた。AIOpsでは典型的にはいわゆるObservabilityデータ（メトリクス、ログ、トレースなど）が入力となるため、自然言語ではなく数値のデータを解析することが求められる。自然言語のタスクを研究対象としていなかったため、AIOpsとChatGPTに強い関係性は見いだせなかった*1。 しかし、自分で大規模言語モデル（Large Language Model: LLM）を日常的に使用したり、表題にあるようにSREのためのLLM（LLM for SRE, LLM4SRE）に関する論文を読むうちに、LLMのテキスト生成器としての性質よりもその優れた推論機械としての性質に注目するようになった。特にSREの障害診断は、人間の専門家が推

今のLLMを取り巻く状況について紹介します。

An open, modular framework for zero-shot, language conditioned pick-and-drop tasks in arbitrary homes. Remarkable progress has been made in recent years in the fields of vision, language, and robotics. We now have vision models capable of recognizing objects based on language queries, navigation systems that can effectively control mobile systems, and grasping models that can handle a wide range o

normcore-llm.md Anti-hype LLM reading list Goals: Add links that are reasonable and good explanations of how stuff works. No hype and no vendor content if possible. Practical first-hand accounts of models in prod eagerly sought. Foundational Concepts Pre-Transformer Models The Illustrated Word2vec - A Gentle Intro to Word Embeddings in Machine Learning (YouTube) Transformers as Support Vector Mach

背景 LLM データセット(コーパス)構築のために, 多量の日本語データ(TB 以上)をフィルタリングしたい... 係り受け解析までしてある程度構文チェックなど. KNP や GiNZA で一応係り受け解析できるけど遅すぎ... 人類史上最速(たぶん)の日本語係り受け解析 J.DepP がありました! ありがとう吉永先生. J.DepP を Python 対応しました!(ついでに Windows でも動くようにポータブル化など) ソースコードめちゃ読みづらかった & posix 前提コードで辛かったよ... でも頑張ってポータブル化して, Python binding 作りました! インストール pip で入るよ. Windows(ARM も!), Linux(ARM も!), macOS も全部バイナリあるからコンパイル不要で動く! repo はこちら 使う pip では(現状は)辞書ま

Bert-VITS2 with more controllable voice styles. style-bert-vits2-demo-JP-Extra.mp4 You can install via pip install style-bert-vits2 (inference only), see library.ipynb for example usage. 解説チュートリアル動画 YouTube　ニコニコ動画 English README 🤗 オンラインデモはこちらから Zennの解説記事 リリースページ、更新履歴 2024-03-16: ver 2.4.1 (batファイルによるインストール方法の変更) 2024-03-15: ver 2.4.0 (大規模リファクタリングや種々の改良、ライブラリ化) 2024-02-26: ver 2.3 (辞書機能とエディター機能) 2