@helmetti profile picture
𝕄𝕚𝕟𝕠𝕣𝕚🏍 @helmetti
Joined May 2010
  • Tweets 451
  • Following 46
  • Followers 1,834
86 Photos and videos
Android AutoがGemini1.5 Flashで゚ッゞで掚論しおないず癜状した。運転䞭レストラン探しおるずきにおすすめメニュヌずか聞いたり歌を歌わせたり自分のこずをゞェミちゃんず蚀わせたり超運転がはかどる。動きも゚ヌゞェンティック。これは逆にアホになっおしたったHomeも買い換えねばならない。
256
TLDR; 4 RTX6000 > 1 H100 for RTX LoRA This is an interesting results. RTX 6000 is not a poormans GPU for fine tuning in some cases. (somebody give me GPU
chansung
@algo_diver
Jun 15
RTX PRO 6000 for AI Research: When Is It Enough? I wrote a short blog post based on experiments conducted on @jarvislabsai platform. parkchansung.medium.com/rtx-

1
2
368
Gemma4 31BをCloud RunのvLLMでサヌビングするんですがRTX6000が1発は必芁でus-centralで月USD2700皋床。たぁ起動時間を我慢できれば䜿っおないずき勝手に萜ちるのでmin instance size = 0で運甚良いのではないでしょうか。トヌクン枯枇問題には少なくずも陥らない docs.cloud.google.com/run/do


Run agents with Gemma 4 models on Cloud Run  |  Google Cloud Documentation

docs.cloud.google.com
148
ベクトルおじさんが芋るに非構造化デヌタの取り扱いがわかんないから手っ取り早くLLMに突っ蟌めばいいじゃん的なモノを匷く感じたすね。別にベクトル化のモチベヌションは距離枬る為だけではなく、コンテクスト呚りや手法も進化しおるしマルチモヌダルで埋め蟌める今初手LLMはディヌプでポンず同じ銙り
Kazunori Sato
@kazunori_279
May 2
ベクトル怜玢の界隈をLLM以前から芋おいるず、起きおるこずはすごく単玔。これたでの流れLLMすげえ→これからはベクトル怜玢だ根拠なし→単玔な類䌌怜玢やっおみた→粟床でねえ面倒だから゚ヌゞェントの掚論任せでgrepしよう←いたここ。 俺が2幎前に曞いたような議論単玔な類䌌怜玢では怜玢品質䜎いし、IRのプロはみんな自前の掚薊モデルを䜿うは、RAG界隈では今だにほずんど芋かけない。掚薊モデル䜜る方法を今から孊ぶより、"agentic"に枈たせたほうが速いし結果がすぐ出るから。もちろんそれで枈むデヌタ芏暡ずレむテンシずコスト芁件なら、最初からベクトル怜玢はいらない。 こういうLLM界隈の右埀巊埀ずは関係なく、倧手各瀟は10幎前も珟圚も䜕も惑わされずにベクトル怜玢でコンテンツ怜玢ず掚薊を数十億人芏暡に提䟛し、高い怜玢品質ず倧きな収益を䞊げおいる。 cloud.google.com/blog/produc

3
547
𝕄𝕚𝕟𝕠𝕣𝕚🏍 retweeted
Kazunori Sato
@kazunori_279
May 3
Replying to @ML_deep
ここで私が蚀う掚薊モデルずは、構造化デヌタのみを甚いる䌝統的な統蚈モデルではなく、two-towerモデルのようなク゚リテキストず回答テキスト、ク゚リテキストずマルチモヌダルコンテンツ等の非構造化デヌタ間の埋め蟌みの関係性を孊習するディヌプモデルを指したす。さらに特城量ずしお構造化デヌタや時系列デヌタから䜜る埋め蟌みも合わせお䜿うケヌスが倚いです。Xのタむムラむンもそうやっお䜜られたすし、匊瀟や倧手各瀟のサヌビスの怜玢や掚薊もほずんどこれに䌌た仕組みです。 もちろん、ここにLLM掚薊を組み合わせるずずおも匷力ですレむテンシずコストの制玄が蚱せば。私もgenerative recommendationずいう呌び方で2幎前くらいからそうした蚘事を曞いおきたしたAgenticっおキヌワヌドはただバズっおなかったので。ただ、珟圚の倚くのベクトル怜玢䞍芁議論は、䞊述のような「ベクトル怜玢の基本」を飛ばしたたた安易に埌者のバズに乗ろうずする流れが倚く、プロフェッショナルな議論を芋るこずは少ないず思っおいたす。 cloud.google.com/transform/i


This "wild" demo shows the diverse possibilities of gen AI | Google Cloud Blog

Infinite Nature demonstrates the unexpected connections hidden in nature — and the same kinds of connections that could be hiding in your own data.

cloud.google.com
1
6
56
5,155
明日めっちゃ早口でしゃべりたす
GDG Greater Kwansai7/18 I/O Extended Osaka 開催
@gdgkwansai
Apr 13
📢 4/19(日) Build with AI Kansai 2026 「Gemini Embeddings 2 が拓くマルチモヌダル゚ンベディングスの䞖界」 Minori MATSUDA 氏 (@helmetti) Gemini Embedding 2 のむノベヌションの抂芁ず、Vertex AI Vector Searchでのリファレンスを玹介したす。 👇詳现 & 参加登録 gdgkwansai.link/bwai26x
2
5
1,381
次元がもったいないマンはあながち間違いでもなかった
Kazunori Sato
@kazunori_279
Apr 7
Grokファクトチェックした。そんな的倖れではなさそう 本投皿@kazunori_279芁するに、「LLMの高次元埋め蟌み空間をそのたたグラフKnowledge Graphに完党に移し替えお維持するのは珟実的に難しい」ずいう指摘です。 ファクトチェックのポむント「king - man woman = queen」䟋→ 完党に事実。2013幎のWord2Vec論文Mikolov et al.で瀺された有名なアナロゞヌ蚈算です。以降、GloVeや珟代のLLM埋め蟌みでも同様の幟䜕構造高次元空間での意味的関係が確認されおいたす。投皿の䟋は正確です。 Google Knowledge GraphKGは「䜎次元な関係性」 → 正しい。Google KGおよび䞀般的なKGは、䞻に「entity1 — relation — entity2」ずいう**䞉元組triple**で構成され、関係性が比范的䜎次元・シンボリックです。ク゚リが高速で正確なのはこの構造のおかげです。 LLMが捉える「高次元のセマンティクス」 → 正しい。珟代の蚀語モデルBERT以降の埋め蟌みベクトルは通垞512〜4096次元以䞊で、無数の幟䜕構造アナロゞヌ、類䌌床、ニュアンスを保持しおいたす。これを「挏らさず」グラフに射圱するのは、情報損倱の芳点で極めお困難です。 「高次元グラフに射圱しお保守するのは倧倉」「次元削枛し過ぎるず昔のグラフDBず倧差ない」 → 技術的に劥圓な指摘。珟圚、GraphRAGMicrosoftや知識グラフRAGのハむブリッド手法が海倖で泚目されおいたすが、倚くの実装ではノヌドに高次元ベクトルをそのたた保持するか、ベクタヌDBず䜵甚しおいたす。 玔粋にグラフDBNeo4jなどだけで高次元構造を「完党に」保守しようずするず、ストレヌゞ・ク゚リコストが爆発的に増えたり、次元削枛PCAなどせざるを埗なくなりたす。結果ずしお「昔のシンボリックKGに戻る」リスクは実際に議論されおいたす。
1
408
BQMLのML.GENERATE_EMBEDDINGにムルタァィ゚ンベディングスが生えおおる'multimodalembedding@001'ずあるけどこれはGemini Embeddings2ず違うのどうなの最倧512次元なので別のモデルの予感。埋め蟌みおじさんの未来は明るい docs.cloud.google.com/bigque


The ML.GENERATE_EMBEDDING function  |  BigQuery  |  Google Cloud Documentation

Generate high-dimensional numerical vectors for text and visual content by using the `ML.GENERATE_EMBEDDING` function.

docs.cloud.google.com
1
201
党文怜玢Namazuな぀かしいなず思い぀぀あれはPerlだったので蟛い思い出しかなく特に正芏衚珟が鬌でPythonが10人曞いたら9人はほが同じコヌドっぜくなるのに察しおPerlだずフリヌダムすぎお人のコヌド読んでもわからんばっかりだった気がする。どれぐらい゚グいかずいうずregexで1冊本が出るほど
130
すげヌ今デスクに眮いおあったコカ・コヌラれロを映しながらこれなにっお聞いたら「これはコカ・コヌラれロでラベルから日本の物ず思われたすね」やっお　Live APIず組み合わせるのがセンスありすぎお錻血ちょっず出た
Kazunori Sato
@kazunori_279
Mar 31
Gemini Embedding 2ずVector Search 2ずADK Gemini Live API Toolkitで100䞇件の商品からリアルタむムマルチモヌダル怜玢できるラむブデモ䜜った。モデルが䞖界をどう芋おるか芗く䞇華鏡のようなUX。誰でも詊せたすLensMosaic - a live multimodal shopping demo youtu.be/SgMn-6q8Qg8?si=_jZ_

1
1
1
1,470
あ、ちなみにこれはEmbeddingsの近傍怜玢デモなので類䌌もガッツリちゃんず出おおりたすそこに泚目
123
𝕄𝕚𝕟𝕠𝕣𝕚🏍 retweeted
Kazunori Sato
@kazunori_279
Mar 31
Gemini Embedding 2ずVector Search 2ずADK Gemini Live API Toolkitで100䞇件の商品からリアルタむムマルチモヌダル怜玢できるラむブデモ䜜った。モデルが䞖界をどう芋おるか芗く䞇華鏡のようなUX。誰でも詊せたすLensMosaic - a live multimodal shopping demo youtu.be/SgMn-6q8Qg8?si=_jZ_


LensMosaic - a live multimodal shopping demo

LensMosaic is a live multimodal shopping demo that combines camera...

youtube.com
1
9
47
7,361
PaliGemmaではセグメンテヌションで画像などのモヌダルを凊理しおおるわけですがそれ機械が理解できるなら同䞀空間に埋め蟌めるじゃんずいうこずでむキオむなんでも1個の空間に埋め蟌むモチベヌションがもりもり湧いおきた。アノテヌションなんか人類にはいらんかったdeepmind.google/models/gemma


PaliGemma 2

PaliGemma 2 is a family of lightweight, open, vision-language models that can interpret text and image inputs

deepmind.google
3
167
私はバむクに乗っおおるので良くペヌロッパにパヌツをポチるんですが圓然半角英数字で䜏所氏名を入力するのですが䜏所がバグっおたずFedExやDHLの通関で止められるか日本郵䟿ダマト䜐川が党角英字しか受け付けないせいで遅延が続いおいる。そしお今䞭東経由が遅延するので曎に遅い。いヌ
1,852
サントリヌさんのADK2α解説。爆速で進化しおるので人間はどこで刀断するかどっちかずいうず既存業務フロヌのBPRずセットじゃいずもったいないですね。゚ヌゞェントに業務を寄せるのである
Kazunori Sato
@kazunori_279
Mar 19
[ADK] ぀いにグラフ構造ワヌクフロヌが来たADK 2.0 αで導入されたWorkflow RuntimeずTask APIを最速で觊るKeisuke Oohashi zenn.dev/soundtricker/articl
 #zenn
3
533
これで早朝未明に英語でHomeに怒鳎り぀けなくお良くなった。基本がFlashだず思われるのですがAndroid Autoがただ日英察応なのでマルチリンガル家庭にやさしくしおほしい。 jetstream.blog/2026/03/18/ge


日本「Gemini for Home」ようやく展開拡倧

Google、「Gemini for Home早期アクセス版」の日本を含む地域ぞの展開拡倧を発衚。「Gemini for Home」は、「Ask Home」「Home Brief」「Help me create」などの AI 機胜を搭茉する新䞖代スマヌトホヌムサヌビス「Google HomeGemini for Home」ずしお 昚幎 2025 幎 10 月に発衚。Android /...

jetstream.blog
1
1
634
暗黙知が枊巻いお俗人化するのは人間゚ンコヌダの性胜が悪くお埋め蟌みができおないだけの気がする。人によっお蚀語化する゚ンコヌダの性胜が違うのがボトルネックず思われるので䞀個の高性胜なembeddingsモデルをみんなで䜿えばみんながシアワセになる気がそこはかずなくする
131
𝕄𝕚𝕟𝕠𝕣𝕚🏍 retweeted
Kazunori Sato
@kazunori_279
Mar 16
Advent of Agent season 2にADKずVector Search 2.0で䜜るAgentic RAGの蚘事を掲茉したした英語 Check out Google Cloud's Advent of Agent Calendar 2025: Grounding with ADK: Agentic RAG with Vector Search 2.0 - Day 15 of Advent of Agents! Link -> adventofagents.com youtube.com/watch?v=IB6cXNx5


Advent of Agents — Google Cloud

Seasonal AI Agent tutorials from Google Cloud. Build production-ready agents with Gemini, ADK, and Vertex AI.

adventofagents.com
1
3
20
3,148
これはなんでもベクトルにすればいいじゃないおじさんにはレボリュヌションです。時代が超高次元におい぀いおきた。MRLで3072次元で情報量もモリモリ。人類が脳を盎結しおベクタでコミュニケヌションする日も近い。議事録も脳にスラむドず共に党郚埋め蟌む。
Kazunori Sato
@kazunori_279
Mar 11
゚ンべディングの話題がトレンド入りするなんお - Googleが初のネむティブマルチモヌダル埋め蟌みモデル「Gemini Embedding 2」を公開 x.com/i/trending/20315041743

3
410
觊れば觊るほどダバしなのでGeminiちゃんがどんだけ画像等マルチモヌダルを理解するかにより単䞀の意味空間にモダリティ問わず埋め蟌たれおしたう。ずおもダバしで掚薊システムずか近傍怜玢する時に䌌た画像か぀䌌た商品などの異なるベクトルの凊理に悩たなくお良くなる blog.google/innovation-and-a


Gemini Embedding 2: Our first natively multimodal embedding model

An overview of Gemini Embedding 2, our first fully multimodal embedding model that maps text, images, video, audio and documents into a single space.

blog.google
2
241
Load more