Condé Nast、マルチモーダルAIで動画検索時間を99%短縮
Condé Nastは、Amazon BedrockとTwelveLabs Marengoを用いたセマンティック検索により、14万本のクリップを対象とした動画発見時間を250分から2分未満に短縮しました。
RAG、評価、推論、ファインチューニング、LLM機能の本番運用。
Condé Nastは、Amazon BedrockとTwelveLabs Marengoを用いたセマンティック検索により、14万本のクリップを対象とした動画発見時間を250分から2分未満に短縮しました。
独立したベンチマークにより、Fireworks ResearchのEmber-1がKimi K3と同等の精度を達成しながら、推論トークンの使用量を削減し、3.4倍高速に動作することが示されました。
新しい検証レイヤーにより、AIエージェントが事実を誤ったデータソースに帰属させるケースを検出し、マルチツールワークフローにおけるクロスソース混同を防ぎます。
Amazon SageMaker で FLUX.2 および Wan2.1 モデルを、混在推論パターンに対応した共有 vLLM-Omni コンテナを使用してデプロイする方法を解説する技術ガイドです。
新しいガイドでは、環境全体でAmazon Textract Custom Queriesアダプターを管理する方法を詳しく説明し、ドキュメント処理パイプラインにおける手動作業によるボトルネックの解決策を提示しています。
Anthropicの新しいSonnet 5.5モデルは、分類器によるルーティングを用いて、高リスクなサイバーセキュリティタスクではSonnet 5へフォールバックします。API開発者にはオプトインが必要です。
xAIのGrok 4.7がAmazon Bedrockで利用可能になりました。50万トークンのコンテキストウィンドウと、コーディングや長時間稼働するエージェント向けに設定可能な4段階の推論レベルを提供します。
Googleのケーススタディでは、AI2のOLMo 3モデルをTPU上で再現し、性能指標を一致させると同時に、改善と誤認されていた重要なデータシャーディングエラーを発見しました。
Google Developers Blogは、Cloud TPU上のSFTおよびRLポストトレーニングにおけるハイパーパラメータ調整を自動化するエージェント駆動システム「autofinetune」の詳細を紹介しています。
Googleは、vLLMにおけるネイティブTPUサポートがQwen3モデル向けに弾力的なスケーリングと高精度な埋め込み推論をどのように可能にするかについて詳述しています。
Kubernetesは部分的なデバイス障害に対するネイティブサポートを欠いており、エンジニアは高価なAIおよびMLトレーニングジョブのために独自の修復ロジックを構築せざるを得ない状況にあります。
Kubernetesプロジェクトは、生成AIワークロードのルーティングを標準化し、レイテンシの削減とGPU利用率の向上を実現する「Gateway API Inference Extension」をリリースしました。