Toshinori Sato

🚀ソフトバンク株式会社の『データエコシステム開発室』では、AI/Web開発のソフトウェアエンジニアの正社員を募集しています🚀 25年度の正社員採用にご応募頂けます。 長期学生アルバイトも通年で募集してるのでB3以上で、LLMが無くてもバリバリ開発できる方はDMください👌 ◽️ データエコシステム開発って何？ ↓ ↓ ↓ ソフトバンク株式会社は、日本のコンテンツホルダー様とAI事業者様の間の深い溝を埋めて、市場を成立させるために、データエコシステム基盤の開発に着手しています。 このデータエコシステム基盤は、コンテンツホルダー様の安心安全と、AI事業者さまの提訴される不安が無い円滑な開発と、を両立するための機能を多数持っています。 この基盤には基盤内のデータ処理に特色があります。 基盤上で実施する処理が、コンテンツホルダー様の著作物データを保護する役割と、AI事業者ユーザー様のためのデータの前捌きとを両立する様にあらかじめ設計しています。 本基盤でお預かりしたデータは安全性を確保して、利用規約にご同意頂いたうえで、どの様な用途に使用するかはコンテンツホルダー様にご選択頂けます。 そして、データ利用者に提供されるデータや機能は、いずれもコンテンツホルダー様の同意のもとで提供致しますので、AI事業者さまはこの基盤が提供するデータやAPIを利用することで、AI関連のサービスをビジネス提供する際の提訴リスクを軽減することができます。 コンテンツホルダー様とAI事業者様の関係を良好に保つお手伝いをさせて頂くことで、日本のコンテンツホルダーの皆様は元気になって頂き、そして日本の生成AI事業者の皆様の事業を加速することができる様に致します。 そして我々は、日本のAIが本質的に改善したり、発展したりすることに貢献し、究極的にはインターネットや日本の津々浦々が良くなる様にします。 2026年も様々なAI実装やAI関連施策が提案されると思いますが、我々の進むデータエコシステムを整える道は、先々でもブレずに価値を発揮できると信じています。 日本の文化を支えるデータエコシステム基盤の開発に、共に取り組みましょう！ ◽️ どんなポジションがあるの？ ↓ ↓ ↓ 4つのポジションがあります。 大きな違いは、「データエコシステム基盤に限らない、次世代技術開発本部の開発物のアーキテクチャのレビュー』が役割に入っているか、いないかです。 自然言語処理の人は「新規事業開発」がピッタリのポジションです。 他のポジションはエンドポイント寄り、ミドル寄り、バック寄りとなっています。 とはいえ、実際には隔てなく、データエコシステム基盤の開発や必要に応じた研究開発に従事したら頂きます。 ◽️どうやって応募するの？ ↓ ↓ ↓ この後のPostのこれかな？と感じたURL経由でのご応募をお待ちしております。 疑問を解消するための質問や、副業のための業務委託に関する相談や、カジュアル面談はDMで受け付けておりますのでお気軽にお問い合わせ下さい！

Researchers at the University of Tokyo created Jizai Arms, a backpack-like system that can support up to six robotic arms controlled by the user’s movements. It helps people perform tasks that are hard or impossible with just two arms. The system could assist firefighters, construction workers, medical professionals, and people with disabilities.

This is what it’s all about folks! 👇🏼 sharing what we know to improve the lives of the world!

労働者の生活を改善することを狙った施策が、会社の成長鈍化の一因として組織内で認識されている場合、その施策の撤回時に管理側が謝罪すると、制度設計や経営判断の失敗に対する謝罪にとどまらず、労働者の働き方や生産性にも責任があるかのように受け取られる余地がある。 とりわけ、社内に犯人探しの文化がある組織では、このような受け取られ方は労働者にとって不利益である。 そのような組織で働く労働者にとって重要なのは、管理側の謝罪の有無ではなく、責任配分を明確にしたうえで制度変更の理由を説明させることである。 また制度変更の理由は、労働者個人の問題ではなく、会社の成長戦略および組織運営上の判断として説明されるべきである。

久々にインターネットを感じている

I’ll use your image maybe to explain my logic: If I was in the store and buying this as the generally largest piece of beef I can find, I would first, identify the Sierra (or possibly absence of the Sierra) the smaller the Sierra the better! If I could teach you nothing but that, you would be 10x better off because the Sierra starts right around where the most tender Chuck Eyes end, so if you had one without a Sierra, I would almost guarantee it will be the most tender off that cow. As far as smaller goes you would want the Sierra to be the smallest in height and width ideally. The image here is about as large as you would see on in a cross section, so I would imagine this is a tough Chuck. The Chuck Tender, is anything but tender. It might be the toughest muscle on the cow! I would probably look for one that doesn’t have that at all, as a simple rule, but if that’s not an option use it to simmer and tenderize. The Denver and Chuck Eyes are great steaks and can be cooked as such but the other two are incredibly tough comparatively. If you get a chuck steak with a small Sierra or no Sierra and no chuck tender you can likely grill it whole and it will be great, but the presence/prevalence of those two indicate you are moving deeper and deeper into the less tender part of the Chuck roll and should prepare it accordingly.

Today, we’re launching Gemma 4, our most intelligent open models to date. Built with the same breakthrough technology as Gemini 3, Gemma 4 brings advanced reasoning to your personal hardware and devices. Here’s what Gemma 4 unlocks for developers: — Intelligence-per-parameter: Our 31B (Dense) and 26B (MoE) models deliver state-of-the-art performance for their size, outcompeting models 20x their size on @arena — Commercial flexibility: Released under a permissive Apache 2.0 license for complete developer flexibility and digital sovereignty — Agentic workflows: Native support for function-calling and structured JSON output allows you to build reliable, autonomous agents — Multimodal edge AI: The E2B and E4B models bring native vision, audio, and low latency to mobile and IoT devices — Long-context reasoning: Up to 256K context windows allow you to process entire repositories or large documents in a single prompt Whether you're building global applications in 140+ languages or local-first AI code assistants, Gemma 4 is built to be your foundation. Explore in @GoogleAIStudio or download the weights on @HuggingFace, @Kaggle, and @Ollama.

Meet Gemma 4! Purpose-built for advanced reasoning and agentic workflows on the hardware you own, and released under an Apache 2.0 license. We listened to invaluable community feedback in developing these models. Here is what makes Gemma 4 our most capable open models yet: 👇

Mistakes happen. As a team, the important thing is to recognize it’s never an individuals’s fault — it’s the process, the culture, or the infra. In this case, there was a manual deploy step that should have been better automated. Our team has made a few improvements to the automation for next time, a couple more on the way.

@nagayama @kazuho はてな入りたい！

そんなnaoyaさんも16年前はコメント欄で大はしゃぎですよ motemen.hatenadiary.org/entry/20090401…

米Waymoの世界展開は東京から　「数カ月内に開始」見込み eetimes.itmedia.co.jp/ee/articles/26…

#NLP2026 招待講演2の動画を言語処理学会YouTubeチャンネルで公開しました🎦 ロボット基盤モデルにおける言語の役割ー運動と言語の統合ー 尾形 哲也 先生（早大／産総研／NII） youtube.com/watch?v=-4mocu… 先生のご厚意により、一般公開が可能となりました。感謝を申し上げます🥟

#NLP2026 チュートリアル3の動画を言語処理学会YouTubeチャンネルで公開しました🎦 信頼できるAIへのソフトウェア工学からのアプローチ：「品質」技術の動向と課題 石川 冬樹 先生（NII） youtube.com/watch?v=zDG-6G… 先生のご厚意により、一般公開が可能となりました。感謝を申し上げます🥟

#NLP2026 チュートリアル4の動画を言語処理学会YouTubeチャンネルで公開しました🎦 語順選好の認知科学：人間はなぜどのような語順を好むのか？ 小泉 政利 先生（東北大） youtube.com/watch?v=JsttMm… 先生のご厚意により、一般公開が可能となりました。感謝を申し上げます🥟

#NLP2026 招待講演1の動画を言語処理学会YouTubeチャンネルで公開しました🎦 非典型な言語発達と言語使用：発達障害とバイリンガルから考える 松井 智子 先生（中央大） youtu.be/WfkGa5BJV4s 先生のご厚意により、一般公開が可能となりました。感謝を申し上げます🥟

4月に入ったから計算機を一台買うか。何にするか。

言語方面の主流な基盤モデルは、数値・時系列をそのまま扱うには本質的なギャップがあることが以前から指摘されてる。他方で0-shotや few-shot で一旦動くものを素早く作れるから、予測性能の最適化よりも試行回数や実装コストを重視する研究・PoCでは、基盤モデルを適用する価値が大きいのだろう。

㊗️時系列基盤モデルを凌駕する時系列予測モデル「FLAIR: Factored Level And Interleaved Ridge」をリリースしました㊗️ 全ての設計判断に最小記述長（MDL）原理を貫いています。周期選択はSVDスペクトルのBIC、ShapeはDirichlet事後分布による縮約、Shape₂の事前分布もBICで選択、Ridgeの正則化はGCVソフト平均。ハイパーパラメータは0、SVDは1回、コードは約500行、依存はnumpyとscipyだけで、最高速度&最高精度を達成しました。 Chronos Benchmark（25データセット）ではMoirai-Large（1Bパラメータ）やChronos-T5-Large（710M）を含む全19手法中1位を達成しました。GIFT-Eval（97構成・53手法）でも統計手法として最高精度で、relMASE 0.864はGPU訓練のPatchTSTに迫る水準です。 本当に時系列基盤モデルって必要ですか？ pip install flaircast で3行から使えます。 GitHub: github.com/TakatoHonda/FL…

自己収入増を手伝いたい。

DNA鍵、色々なことが想定外すぎて、人間のDNAを使う場合には大変そうではある。