タグ

scholia の記事を、タグから探す

NVIDIA21 講演17 LLM推論7 Microsoft6 AIコーディング5 ハーネス5 思考メモ5 KVキャッシュ4 セキュリティ4 モデル4 組織4 Git3 Kubernetes3 仕事術3 論文3 開発ツール3 AI業界2 Anthropic2 Azure2 GPU2 Google2 RAG2 リーダーシップ2 速報2 AIガバナンス1 オープンモデル1 データセット1 標準化1 画像生成1 経済学1 金融1 電力1

NVIDIA 21本

• 2026/11/14 「電力1Wあたりの性能」とは？ AIインフラの比べ方が変わった理由
• 2026/11/12 Nemotron 3.5 Bolt 74B-A9B：2ビットで24GBに収めた74B MoEモデルの作り方
• 2026/11/12 NVIDIA Kubernetes Engine（NVKE）とは？GPUクラウド事業者がマネージドKubernetesを自前で提供するためのオープンソース
• 2026/11/12 NVIDIA Dynamoとは？LLMのKVキャッシュをデータセンター全体で再利用する推論基盤の仕組み
• 2026/11/12 NVIDIA CMXとは？KVキャッシュ専用の共有ストレージ階層「G3.5」の仕組みを解説
• 2026/11/12 AIエージェントの失敗を改善につなげる――NVIDIA NeMoで、実行トレースから評価とハーネスの修正を作る方法
• 2026/11/12 NVIDIA DSX OSとは？エラーを出さずに分散学習を遅くするGPUノードを検出する、構成管理・認定・運用の仕組み
• 2026/11/12 NVFP4とは？精度をほぼ落とさずにAIモデルを4ビットにする、NVIDIAの数値形式の仕組み
• 2026/11/12 Wide-EPとは？MoEモデルのエキスパートを数十枚のGPUに分散して、メモリと計算を効率化するNVIDIAの方法
• 2026/11/12 AI推論の性能は「メモリの使い方」で決まる――NVIDIAが示す、GPUメモリを無駄なく使う5つの方法【まとめ】
• 2026/11/12 NVIDIAがOpenShellをCNCFに寄贈――AIエージェントを安全かつ大規模に動かすKubernetes基盤の全体像
• 2026/11/12 NVIDIA Vera CPUとは？1.5TBのメモリとNVLink-C2Cで、AIエージェントの待ち時間中のKVキャッシュを受け持つCPU
• 2026/11/12 NVIDIA Snapshotとは？LLM推論サーバーの起動を「数分→数十秒」にする、CPU・GPUメモリのチェックポイント／復元
• 2026/11/12 FLUX 3 Image KleinをNVIDIA Blackwellで3〜4倍高速化した方法――量子化・アテンション・キャッシュ・並列化・CUDAグラフ
• 2026/11/12 Agent Substrateとは？待機時間の長いAIエージェントを少数のPodで大規模に動かすKubernetesの新しい仕組み
• 2026/11/11 NVIDIAの日本語合成データセット2種：Nemotron Personas Finance JapanとNemotron PII Japan
• 2026/11/04 通信網は分散AI基盤になる：NVIDIA GTC Berlin 通信セッションの要点
• 2026/11/03 NVIDIA Dory 1.0 4Bの仕組み：ループ型Transformerはパラメータを増やさず計算量を増やす
• 2026/11/01 NVIDIA OpenShell入門：AIエージェントを隔離して動かすランタイムの仕組み
• 2026/10/21 NVIDIA GTC Berlin 2026基調講演まとめ｜DSX POD・OpenShell・フィジカルAIの発表を解説
• 2026/10/18 【書評・要約】The Thinking Machine（Stephen Witt）｜ジェンスン・フアンとNVIDIAの歩み

講演 17本

• 2026/11/13 Google Cloud「The Future of AI Infrastructure」解説：常時稼働エージェントを支えるTPU・ソフトウェア・実行基盤
• 2026/11/08 ソフトウェアエンジニアリングは「ファクトリーエンジニアリング」になる ― Warp Zach Lloyd氏の講演を読み解く
• 2026/11/08 リーナス・トーバルズが語ったLinux 35年：パッチ、Git、退屈なカーネル、AIレビュー
• 2026/11/08 AREX-2：試行錯誤のループをモデルの内側へ移す27Bエージェントモデル
• 2026/11/08 ChatGPTは9億人のリクエストをどう処理しているか
• 2026/11/08 小さく当てて大きく渡す：親ドキュメント検索・GraphRAG・RAPTOR
• 2026/11/08 AIエージェントは失敗を隠す――会話ログを採点して自己改善させる仕組み
• 2026/11/08 スタンフォードCS146Sに見るAIコーディング開発の現在地
• 2026/11/08 AI時代に伸びる思考者の条件 — Google Researchトップ ヨッシ・マティアスの視点
• 2026/11/05 AIで個人は100倍速くなるのに、なぜ企業は速くならないのか
• 2026/11/04 通信網は分散AI基盤になる：NVIDIA GTC Berlin 通信セッションの要点
• 2026/11/04 企業が自社モデルを訓練する時代の実装ロードマップ：Will Brown講演の解説
• 2026/11/04 誰がソフトウェアファクトリーを検証するのか：1日3万マージ時代のコードレビュー
• 2026/11/04 AIエージェントを予測可能にするグラフエンジニアリング
• 2026/11/04 AI・GPUワークロードのPrometheus監視：gpu_utilの先を見る
• 2026/11/01 AIエージェントのためにOfficeを作り直す ― Compound AIの講演から読む金融エージェント基盤
• 2026/10/21 NVIDIA GTC Berlin 2026基調講演まとめ｜DSX POD・OpenShell・フィジカルAIの発表を解説

LLM推論 7本

• 2026/11/12 Nemotron 3.5 Bolt 74B-A9B：2ビットで24GBに収めた74B MoEモデルの作り方
• 2026/11/12 NVIDIA Dynamoとは？LLMのKVキャッシュをデータセンター全体で再利用する推論基盤の仕組み
• 2026/11/12 NVFP4とは？精度をほぼ落とさずにAIモデルを4ビットにする、NVIDIAの数値形式の仕組み
• 2026/11/12 Wide-EPとは？MoEモデルのエキスパートを数十枚のGPUに分散して、メモリと計算を効率化するNVIDIAの方法
• 2026/11/12 AI推論の性能は「メモリの使い方」で決まる――NVIDIAが示す、GPUメモリを無駄なく使う5つの方法【まとめ】
• 2026/11/12 NVIDIA Snapshotとは？LLM推論サーバーの起動を「数分→数十秒」にする、CPU・GPUメモリのチェックポイント／復元
• 2026/11/08 ChatGPTは9億人のリクエストをどう処理しているか

Microsoft 6本

• 2026/11/14 Microsoft AI「Humanist AI行動規範」ドラフトを読む：MAIモデルは停止に抵抗せず、推論を隠さない
• 2026/11/13 ルールを理解した者だけが自由に動ける ― Microsoft Research Podcast「Learn the rules: The hacker mindset」
• 2026/11/08 エージェントが書いたコードを証明で縛る──Microsoft Research「PDD Kit」の仕組み
• 2026/10/30 AIは「おすすめ」では動かず、「失敗する」と書くと動く――『AX Practitioner Playbook』の学び
• 2026/10/30 FDEは「凄腕の個人」から「チーム」へ──Microsoftの論考「FDEの24か月の進化」を読んで
• 2026/10/17 ゼロ知識証明とは？計算結果を「確かめる」技術をやさしく解説｜Microsoft Magnetar（zkVM）

AIコーディング 5本

• 2026/11/08 ソフトウェアエンジニアリングは「ファクトリーエンジニアリング」になる ― Warp Zach Lloyd氏の講演を読み解く
• 2026/11/08 エージェントが書いたコードを証明で縛る──Microsoft Research「PDD Kit」の仕組み
• 2026/11/08 スタンフォードCS146Sに見るAIコーディング開発の現在地
• 2026/11/04 誰がソフトウェアファクトリーを検証するのか：1日3万マージ時代のコードレビュー
• 2026/11/01 オープンモデル自社運用でAIコーディング費用を1/10に：Revolutの事例と他社比較

ハーネス 5本

• 2026/11/12 AIエージェントの失敗を改善につなげる――NVIDIA NeMoで、実行トレースから評価とハーネスの修正を作る方法
• 2026/11/08 AIエージェントは失敗を隠す――会話ログを採点して自己改善させる仕組み
• 2026/10/31 使うほど賢くなるエージェントのつくり方――モデル・ハーネス・コンテキスト
• 2026/10/30 AIは「おすすめ」では動かず、「失敗する」と書くと動く――『AX Practitioner Playbook』の学び
• 2026/10/18 AIエージェントのハーネスを自動で改良する方法｜機能と安全性を両立させる「Harmony Harness」論文を解説

思考メモ 5本

• 2026/11/08 リーナス・トーバルズが語ったLinux 35年：パッチ、Git、退屈なカーネル、AIレビュー
• 2026/11/08 マンバ・メンタリティとは何か――コービー・ブライアントの練習哲学
• 2026/11/08 AI時代に伸びる思考者の条件 — Google Researchトップ ヨッシ・マティアスの視点
• 2026/10/31 使うほど賢くなるエージェントのつくり方――モデル・ハーネス・コンテキスト
• 2026/10/30 むずかしいことをやさしく――井上ひさし「む、や、ふ、ゆ、ま」に学ぶ伝える技術

KVキャッシュ 4本

• 2026/11/14 ShadowPrefill：モデルを切り替えるエージェントで、切替先のKVキャッシュを先に温めておく
• 2026/11/12 NVIDIA Dynamoとは？LLMのKVキャッシュをデータセンター全体で再利用する推論基盤の仕組み
• 2026/11/12 NVIDIA CMXとは？KVキャッシュ専用の共有ストレージ階層「G3.5」の仕組みを解説
• 2026/11/12 NVIDIA Vera CPUとは？1.5TBのメモリとNVLink-C2Cで、AIエージェントの待ち時間中のKVキャッシュを受け持つCPU

セキュリティ 4本

• 2026/11/01 Microsoft Entra 条件付きアクセスの「ポリシープラン」解説（プレビュー）
• 2026/11/01 NVIDIA OpenShell入門：AIエージェントを隔離して動かすランタイムの仕組み
• 2026/10/18 AIエージェントのハーネスを自動で改良する方法｜機能と安全性を両立させる「Harmony Harness」論文を解説
• 2026/10/17 ゼロ知識証明とは？計算結果を「確かめる」技術をやさしく解説｜Microsoft Magnetar（zkVM）

モデル 4本

• 2026/11/12 Nemotron 3.5 Bolt 74B-A9B：2ビットで24GBに収めた74B MoEモデルの作り方
• 2026/11/08 AREX-2：試行錯誤のループをモデルの内側へ移す27Bエージェントモデル
• 2026/11/04 企業が自社モデルを訓練する時代の実装ロードマップ：Will Brown講演の解説
• 2026/11/03 NVIDIA Dory 1.0 4Bの仕組み：ループ型Transformerはパラメータを増やさず計算量を増やす

組織 4本

• 2026/11/14 Anthropicの採用責任者がコーディング面接をやめた理由 ── AI時代のエンジニア評価は「書く力」から「成果を出す力」へ
• 2026/11/08 AIを吸収する制度はニューラルネットの形をとる：Evans & Weyl「In the image of their tools」
• 2026/11/05 AIで個人は100倍速くなるのに、なぜ企業は速くならないのか
• 2026/10/30 FDEは「凄腕の個人」から「チーム」へ──Microsoftの論考「FDEの24か月の進化」を読んで

Git 3本

• 2026/11/08 リーナス・トーバルズが語ったLinux 35年：パッチ、Git、退屈なカーネル、AIレビュー
• 2026/11/08 Anthropicはなぜgitを置き換えたのか：エージェント規模のソース管理「Scion」の設計
• 2026/10/25 GitHubのアーキテクチャ刷新とAzure移行を解説｜AIエージェントで書き込み5倍、Git基盤を保存と計算に分ける

Kubernetes 3本

• 2026/11/12 NVIDIA Kubernetes Engine（NVKE）とは？GPUクラウド事業者がマネージドKubernetesを自前で提供するためのオープンソース
• 2026/11/12 NVIDIAがOpenShellをCNCFに寄贈――AIエージェントを安全かつ大規模に動かすKubernetes基盤の全体像
• 2026/11/12 Agent Substrateとは？待機時間の長いAIエージェントを少数のPodで大規模に動かすKubernetesの新しい仕組み

仕事術 3本

• 2026/11/13 ルールを理解した者だけが自由に動ける ― Microsoft Research Podcast「Learn the rules: The hacker mindset」
• 2026/11/08 マンバ・メンタリティとは何か――コービー・ブライアントの練習哲学
• 2026/10/30 むずかしいことをやさしく――井上ひさし「む、や、ふ、ゆ、ま」に学ぶ伝える技術

論文 3本

• 2026/11/14 ShadowPrefill：モデルを切り替えるエージェントで、切替先のKVキャッシュを先に温めておく
• 2026/11/08 AIを吸収する制度はニューラルネットの形をとる：Evans & Weyl「In the image of their tools」
• 2026/10/18 AIエージェントのハーネスを自動で改良する方法｜機能と安全性を両立させる「Harmony Harness」論文を解説

開発ツール 3本

• 2026/11/08 Anthropicはなぜgitを置き換えたのか：エージェント規模のソース管理「Scion」の設計
• 2026/11/01 Ghostty作者の新ターミナル「Rex」とは｜Ghosttyとの違い・tmuxとの比較・入手方法
• 2026/10/25 GitHubのアーキテクチャ刷新とAzure移行を解説｜AIエージェントで書き込み5倍、Git基盤を保存と計算に分ける

AI業界 2本

• 2026/11/12 汎用モデルに焦点を与えるのは人間の専門知識である ― ティム・オライリー「The Bitter Lesson vs. AI Markets for Human Expertise」を読む
• 2026/11/08 AIラボは囲い込むか、置き換えるか：Nous Research「AI Labs Will Trap You or Replace You」を読み解く

Anthropic 2本

• 2026/11/14 Anthropicの採用責任者がコーディング面接をやめた理由 ── AI時代のエンジニア評価は「書く力」から「成果を出す力」へ
• 2026/11/08 Anthropicはなぜgitを置き換えたのか：エージェント規模のソース管理「Scion」の設計

Azure 2本

• 2026/11/01 Microsoft Entra 条件付きアクセスの「ポリシープラン」解説（プレビュー）
• 2026/10/25 GitHubのアーキテクチャ刷新とAzure移行を解説｜AIエージェントで書き込み5倍、Git基盤を保存と計算に分ける

GPU 2本

• 2026/11/12 NVIDIA DSX OSとは？エラーを出さずに分散学習を遅くするGPUノードを検出する、構成管理・認定・運用の仕組み
• 2026/11/04 AI・GPUワークロードのPrometheus監視：gpu_utilの先を見る

Google 2本

• 2026/11/13 Google Cloud「The Future of AI Infrastructure」解説：常時稼働エージェントを支えるTPU・ソフトウェア・実行基盤
• 2026/11/08 EmbeddingGemma 2とGemma 4 12Bで作るビデオRAG

RAG 2本

• 2026/11/08 EmbeddingGemma 2とGemma 4 12Bで作るビデオRAG
• 2026/11/08 小さく当てて大きく渡す：親ドキュメント検索・GraphRAG・RAPTOR

リーダーシップ 2本

• 2026/10/12 【書評・要約】Call Sign Chaos（ジェームズ・マティス）｜混沌の中で判断する5つの段階
• 2026/10/11 【書評・要約】The Algorithm（Jon McNeill）｜テスラ元社長の「なぜ必要か」を問う5ステップ

速報 2本

• 2026/11/04 通信網は分散AI基盤になる：NVIDIA GTC Berlin 通信セッションの要点
• 2026/10/21 NVIDIA GTC Berlin 2026基調講演まとめ｜DSX POD・OpenShell・フィジカルAIの発表を解説

AIガバナンス 1本

• 2026/11/14 Microsoft AI「Humanist AI行動規範」ドラフトを読む：MAIモデルは停止に抵抗せず、推論を隠さない

オープンモデル 1本

• 2026/11/01 オープンモデル自社運用でAIコーディング費用を1/10に：Revolutの事例と他社比較

データセット 1本

• 2026/11/11 NVIDIAの日本語合成データセット2種：Nemotron Personas Finance JapanとNemotron PII Japan

標準化 1本

• 2026/11/12 AIエージェントの「乱立」を標準仕様で解く：Standard Agent Specificationの全体像

画像生成 1本

• 2026/11/12 FLUX 3 Image KleinをNVIDIA Blackwellで3〜4倍高速化した方法――量子化・アテンション・キャッシュ・並列化・CUDAグラフ

経済学 1本

• 2026/11/01 『ミクロ経済学入門の入門』を読む：市場はどこまでうまく働き、どこで失敗するか

金融 1本

• 2026/11/01 AIエージェントのためにOfficeを作り直す ― Compound AIの講演から読む金融エージェント基盤

電力 1本

• 2026/11/14 「電力1Wあたりの性能」とは？ AIインフラの比べ方が変わった理由