タグ: #research
GPU・LLM・MLOps・Kubernetes、そしてマインドセット · 5 件
研究は何を示しているのか：通訳訓練と認知能力、そして意図的な練習をめぐる論争
通訳訓練がワーキングメモリと実行機能を実際に変えるのかについての研究を整理しました。メタ分析と系統的レビューが互いに異なる結論に達した地点、横断デザインと縦断デザインの違い、選抜と訓練を切り分けられない交絡の問題、そして標本サイズの現実をそのまま書きました。後半では意図的な練習の理論の原典とメタ分析による批判、再現研究、エリクソン本人の反論まで、両方の側を扱います。
2026-08-16 · 30 分で読めます #english#interpreting#research#evidence#deliberate-practiceLLMができないのは証明ではなく前提を立てることです
ICML 2026の立場論文 Position: LLMs can not jump は、生成AIが帰納をすでにマスターし演繹も急速に征服しつつある一方で、新しい説明仮説を作り出すアブダクションには構造的に到達できないと主張します。この記事はその主張を要約する代わりに、それが事実だと仮定したときに、いま私たちが作っているシステムの設計をどう変えるべきかを扱います。仮説空間をどこから供給するのか、提案と反証をなぜ分離すべきなのか、そしてこ
2026-08-09 · 15 分で読めます #ai#llm#reasoning#abduction#research模倣機械は発見できないのか — Rich Sutton の挑発と RL の反撃
強化学習の大御所 Rich Sutton が、教師あり学習ベースの生成 AI は模倣モデルであり新しい科学的発見には限界があると主張し、2026年6月のコミュニティを沸かせました。Bitter Lesson の文脈から彼の主張を解剖し、模倣学習と強化学習の本質的な違い、反論、そしてエージェント設計への実務的な教訓を整理します。
2026-06-12 · 41 分で読めます #ai#reinforcement-learning#llm#research#ai-agentLLM ランドマーク論文ロードマップ 2026 - Transformer / Scaling Laws / Flash Attention / Mamba / DeepSeek-R1 / Titans 徹底解説
2017年の Attention Is All You Need から 2026年の Titans と DeepSeek-R1 まで、LLM 時代を作った 50 篇超のランドマーク論文をテーマ別に整理する。Transformer、BERT、GPT 1-3、Scaling Laws、Chinchilla、InstructGPT、PaLM、FlashAttention 1-3、LLaMA 1-4、GPT-4、Mistral と Mixtra
2026-05-16 · 31 分で読めます #llm-papers#transformer#scaling-laws#flash-attention#mambaNotebookLMに聞くと良いテーマ：リサーチプレイブック（2026-03更新）
これまでおすすめしてきたNotebookLMリサーチテーマを一括整理したガイド。技術・歴史・産業・国際情勢・教養まで拡張可能な質問フレームを収録。
2026-03-07 · 11 分で読めます #notebooklm#research#ai#study#prompt-ideas