鈴木 健史@FastLabel

パナソニック様との協業発表、多くのメディア様に取り上げていただきました！ありがとうございます！ 「ボトルネックのアノテーションのプロセスを劇的に改善でき、AI開発を加速できる」 nikkei.com/article/DGXZRS… sankei.com/pressrelease/p… japan.zdnet.com/article/352243…

Physical AI の領域で注目を集めるOpenPI（Physical Intelligence製）を使った学習において、W&B との連携をさらに強化するworkflowを週末に作ってみました。メトリクスのロギングだけでなく、シミュレーション上でタスクが学習ステップごとにどのように改善していくかをW&B上で可視化できるインテグレーションになっています📹 是非みて使ってください。github repositoryも公開しています🚀 Physical AI に取り組む方々にとって便利なワークフローになっていれば嬉しいです! - Report (EN) : wandb.ai/wandb-smle/ope… - Report (JP) : note.com/wandb_jp/n/n88… この領域はまだまだ発展途上で、コミュニティとして一緒に学んでいく部分も多いと感じています。そこで、4月23日（木）にNVIDIA・FastLabel さんと共同でイベントを開催します🗓️ 📍 Physical AIの開発のエコシステムから事例まで一気に学ぶ会 アジェンダ： 🔹 Physical AI の技術スタック全体像 — NVIDIA 🔹 ロボティクスAIにおけるデータ収集・アノテーション — FastLabel 🔹 Physical AI開発における実験管理とMLOps — W&B 🔹 Physical AIの実運用事例 — ヤマハ発動機 🔹 自律性と信頼性を両立するPhysical AIアプローチ — 川崎重工業 すでに300名以上にご登録いただいており、オフライン参加は抽選となりますが、オンライン・オフラインともにまだお申し込みいただけます！ 👉 wandb.connpass.com/event/388863/ ぜひご参加ください！ #PhysicalAI #Robotics #MLOps #WandB #OpenPI #NVIDIA #FastLabel

x.com/Tokyo_Robotics… Japan’s robotics scene is finding its footing. @Tokyo_Robotics has officially unveiled a bipedal humanoid prototype capable of RL-driven walking and real-time whole-body teleoperation. This move signals a significant new chapter in the nation’s strategic push to reclaim its "humanoid glory".

東京ロボティクスの新型です。

現在、全身ヒューマノイドを開発中です。今後はハード・ソフト両面で動作の安定性を向上させるとともに、自律作業AIを実装していきます。 ヒューマノイドの全身制御に携わるエンジニアを積極的に募集していますので、最先端のロボットモーションを開発・実装したい方は、ぜひご応募ください。

NVIDIAのGTC振り返りやります！ 明日のランチタイムにウェビナー形式でやります。 SpiralAIでエンゲージメントAIを開発する佐々木さん @moreinteraction 現エル・ティー・エス、元トヨタでヒューマノイド開発をしていた湯浅さん @shuasa_trc 、さすらいのエムシー玉岡さんでやります。 豪華メンツかつホットなので是非お越しを。

AIスタートアップで働くって実際どうなの？ AIスタートアップでのキャリアや、リアルを語るイベント 「AI × Startup Career Night」が開催されます。 FastLabelからはCEO鈴木が登壇予定です！ どなたも参加可能、お気軽にお申込みを✨️ 📅3/18(水) 19:00–21:30＠表参道 詳細 event.recerqa.com/startup-career…

3月18日19時から表参道で、6社のスタートアップCEOとお話しできるイベントを開催します！ AI時代のキャリアについて、リアルを感じるイベントに出来たらと思います！

イベントページ： event.recerqa.com/startup-career…

AI × Startupに関してのキャリアイベントに登壇します！ AIスタートアップ6社のCEO / VPが、AI時代のキャリア感について話します。（個人的にも興味深い） 3/18(水) 19:00-21:00 @ 表参道です！ どなたでもご参加いただけるイベントになりますので、ぜひ来場お待ちしております！ ▼詳細はスレッド

SB Intuitionsで大規模計算資源を使って一緒に最強のロボットVLAを作りませんか? 研究者だけでなくエンジニアも募集中で、ロボコンやCubesat出身者、研究そっちのけでサーバー管理に没頭していた方など大歓迎です! JDはSW寄りですがHW系の方ももちろん大歓迎です! open.talentio.com/r/1/c/sbintuit…

Toyota、Nissan、Hondaのソフトウェア開発に迫ります！経産省の考え、大学の価値とは？WaymoやTeslaのような世界観を生み出すには？2月28日の19時から、私がモデレーターとして切り込みます！ techplay.jp/event/968085

㊗️Forbes Japan「JAPAN’S AI 50 日本発AIスタートアップ50選」に選出されました！ 平素お世話になっている、お客様はじめ関係者の皆様へあらためて感謝申し上げます。 記念ウェビナーも開催決定！詳細は↓ fastlabel.ai/news/Forbes-JA… #DatacentricAI #AIPaaS #Forbes

What does DeepSeek R1 & v3 mean for LLM data? Contrary to some lazy takes I’ve seen, DeepSeek R1 was trained on a shit ton of human-generated data—in fact, the DeepSeek models are setting records for the disclosed amount of post-training data for open-source models: - 600,000 reasoning data [1] - 200,000 non-reasoning SFT data [2] - human preference (RLHF) dataset of undisclosed size [3] - human-processed synthetic data for cold-start data [4] According to Chinese AI engineers, DeepSeek actually values data annotation even more than other Chinese labs, with the CEO personally labeling data for the model [5] (This reminds me of @karpathy who used to spend a quarter of his time labeling at Tesla). The DeepSeek-v3 paper even has a dedicated acknowledgement section for Data Annotation [6]. DeepSeek-V3, which was distilled from DeepSeek-R1, was also trained on an instruction-tuning dataset of 1.5M samples. [7] These SFT datasets are even larger than other open-source models: - Qwen-2.5 was trained on 1M SFT samples [8] - the last time Meta disclosed was for Llama 2, which was trained on only 30k SFT samples and 3M RLHF samples [9] - Kimi k1.5 was trained on roughly 1M SFT, 1M multi-modal SFT, 800k samples for classic reward modeling, and another 800k CoT labeled examples for reasoning [10] It’s interesting that the size of the RLHF dataset was undisclosed, while they disclosed the size of the SFT and reasoning datasets. This could be because it is much larger than one would expect, or it reveals some interesting technical detail they don’t care to share. Human preference datasets are often much larger than SFT datasets in most models, so a reasonable estimate would be that DeepSeek’s models are probably trained on at least 3-5M samples, which is quite a large preference dataset! The main technical breakthrough of DeepSeek-R1 is that for reasoning, you can forgo SFT data in favor of reasoning data—but reasoning data is still human data of difficult problems&answers in a variety of domains. The reasoning dataset is actually quite large—600k reasoning samples is a LOT. This is in line with a broader trend we’ve seen from SFT data towards other data types like human preference/RLHF data and reasoning data. This is for technical reasons—SFT caps the performance of the model at a certain level, whereas RLHF or other methods enable the models to continue improving without bound beyond the limits of the dataset. DeepSeek R1 is a very exciting model, and it’s great to see o1 reasoning capabilities replicated in the wild. In terms of training data, however, the DeepSeek models are actually setting open-source records in terms of the amount of human data used. [1] [2] [3] [4] arxiv.org/pdf/2501.12948 [5] chinatalk.media/p/deepseek-the… [6] arxiv.org/html/2412.1943… [7] arxiv.org/html/2412.1943… [8] arxiv.org/pdf/2412.15115 [9] arxiv.org/pdf/2307.09288 [10] arxiv.org/html/2501.1259…

📢 #ティアフォー で自動運転ソリューションの事業開発・PMをリードする方を募集🎉 最先端技術を活用し、グローバルな顧客と共に社会にインパクトを与えるチャンス🚗💼 詳細はこちら👇 herp.careers/v1/tier4/dRkwe… #自動運転 #採用

日本でもついに一般公道での自動運転レベル4の認可がおりました！歴史の扉が開かれていきます🎃🎃🎃 prtimes.jp/main/html/rd/p…

Yesterday, I finally had a chance to talk to @l2k , Founder & CEO of Weights & Biases, at NTT DOCOMO’s event. It was a pleasure speaking with you! He was the Founder & CEO of Figure Eight (a data labelling company now sold to Appen), so he's like a Jedi Master to me and I’m like a Padawan! so, I was truly honored. P.S. I gave a presentation at this event and after FastLabel, companies like Microsoft and Weights & Biases followed. So much pressured!

ありがとうございます！ この会見用に、ジャッケット着てもFastLabelロゴが見れるシャツを作りました！（笑）

／ 📣 DMMと協業しAI開発に必要な「データ収集&アノテーション代行サービス」の提供を開始 ユーザー参加型のAI開発支援サービスで低価格・短納期・高品質な開発フローが実現 ＼ fastlabel.ai/news/20241008-… #FastLabel #AI開発 #DatacentricAI #AI #AIPaaS #協業 #AI開発効率向上 #DMM

既存投資先のFastLabel社に、追加出資をさせて頂きました。 AI開発の縁の下の力持ち的な必要不可欠サービスなので、AI事業に関わられていらっしゃいましたらぜひ当社にお声がけください。 ソニーG各社内でも、たくさん当社のサービスを活用しています。 prtimes.jp/main/html/rd/p…