Meet Vision Banana 🍌 from Google DeepMind! We provide strong evidence that image generators are generalist vision learners. Traditional computer vision tasks (segmentation, depth estimation, normal prediction) can now be performed at/near SOTA with a single generalist model

◤#NEC、#Anthropic と戦略的協業を開始📣日本企業初のAnthropic社のグローバルパートナーとしてAIソリューションを共同開発◢ 両社は協業し、日本市場向けにデスクトップ向けAIエージェント「Claude Cowork」を活用したセキュアな業種別の業務特化型AIソリューションを共同開発します。 🔽

First model merged into timm in some time. A Gemma4 ViT implementation was contributed and I gave it a lil massage. Noteworthy because it's the second model to natively support timm's NaFlex (variable aspect / image size) pipeline for eval and train. This could have been

【4月24日発売】最新刊プレゼントキャンペーン ➡️下記書籍を抽選で3名様にプレゼント🎁 ✅応募方法 ❶当アカウントをフォロー ❷このポストをリポスト 応募締切5月7日まで／当選連絡DM📩 『APIハンズオンラーニング』 oreilly.co.jp/books/97848144…

まだあんまり知られていないのですが、今回の Codex App のアップデートで、あらゆるアプリで Codex の音声入力が使えるようになりました！ デフォルトだとオフなので、Codex App の設定から General > Dictation からショートカットキーを設定、私は Ctrl + M にしています

ハーネスエンジニアリングとは？ harness engineering all you need 本日の登壇資料スライドをアップしました。 speakerdeck.com/kinopeee/hanes… #harnes_engineering_tokyo

ありがたい！！！！！ 明日対応しよ😊 qiita.com/ot12/items/064…

MacBookPro（M5Max）LMStudioでのMLXモデルの速度 Qwen3.6-35b-a3b-nvfp4　110tok/sec Qwen3.6-35b-a3b-mxfp8　85tok/sec Qwen3.6-27B-nvfp4　30tok/sec Qwen3.6-27B-mxfp8　17tok/sec

Open-source magnetic tactile sensor for $5! 🧲 Researchers introduced a magnetic tactile sensor that's low-cost, and easy to fabricate, democratizing tactile sensing for robotics. Operating in unstructured environments like homes and offices requires robots to sense forces

DeepSeek V4は、Pro（1.6Tパラメータ、49Bアクティブ）とFlash（284Bパラメータ、13Bアクティブ）から構成され、いずれも1Mトークンのコンテキスト長をサポートする。

LRを高止まりさせる手法は終盤で十分なdecay stepsを稼げる超長期学習でしかほぼ意味がなく、序盤からdecayを考えなければならないほとんどのケースではcosineを採用しておけば間違いない（それ以外を検討している時間が無駄である）と思っています。

⋱100冊リスト公開記念🎁 Kindleが当たる！⋰ Kindle Scribe（10.2インチ）1名 Kindle Colorsoft（7インチ）2名 抽選で3名様にプレゼント ① Amazon Kindle | アマゾン電子書籍 をフォロー ② 本投稿をリポスト 5/3 (日) 23:59まで ※以下スレッドの規約を必ずご確認ください

Recurrent Transformerは、RNNのような時間方向の深さを持つよう設計されたモデルである。従来のTransformerでは、各トークンのキー・バリューは層の入力から計算されるが、Recurrent

【4月28日発売】最新刊プレゼントキャンペーン ➡️下記書籍を抽選で3名様にプレゼント🎁 ✅応募方法 ❶当アカウントをフォロー ❷このポストをリポスト 応募締切5月7日まで／当選連絡DM📩 『実践 AIエージェント開発』 oreilly.co.jp/books/97848144…

サーバー不要 Chromeで動くローカルAIエージェントが登場。Gemma 4とWebGPU活用 pc.watch.impress.co.jp/docs/news/2105…

これ通りもんそっくりだった ついにセブンのジェネリック通りもんの代替を見つけた

動的物体、、、対応できてんじゃん...

画面共有機能のレスポンスはこのくらいです。手前がローカル、奥がリモートです。今回の環境では、ローカルネットワーク / Wi-Fi 接続で遅延約50ms、30fps程度で動作しています。

DINOv3 のライセンスが特殊なので読んだ(w/ gemini)結果、例えばコンペで DINOv3 を使って GitHub に公開する場合、 0. そもそも軍事目的他では使えない 1. リポジトリにライセンスのコピーを同梱 2. 謝辞の記載(これは出版物についての話なので微妙かも？) あたりは気にする必要があるっぽい

KVキャッシュの解説動画はこれが一番好き m.youtube.com/watch?v=80bIUg…