こんにちは、AI チームの長澤( @sp_1999N )です。 今回は Arize AI 社が開発・提供する LLM アプリケーション向けの監視ツール Phoenix の紹介および簡単なデモ構築を行いたいと思います。 Phoenix icon デモとして Chainlit で構築した簡易的なチャットサービスを、自前ホストした Phoenix サーバーで監視してみたいと思います。 Phoenix について Phoenix は LLM アプリケーション向けの監視ツールとして、オープンソースで開発・提供されてい

SREチームマネージャーの藤原です。 LM Studio + Gemma 3 + Cline + VSCode の環境を自由研究的に試用したので、その報告エントリです。 モチベーション プライベートでコードを書く際も最近はClineなどを使ってLLMを使ってコーディングをすることが徐々に増えてきました。 VSCode とClineを組み合わせて外部サービスをつかってコードの変更作業を実施する場合、 何かコードの変更を依頼するたびに、財布の中身から少しずつお金が溢（こぼ）れていく感覚があるでしょう。 1回1

このブログは Time series forecasting with LLM-based foundation models and scalable AIOps on AWS  を翻訳したものです。 時系列予測は、様々な業界で重要な意思決定を行う際に欠かせません。交通量の予測から売上予測まで、正確な予測によって組織は情報に基づいた決断を下し、リスクを軽減し、効率的にリソースを配分することができます。しかし、従来の機械学習アプローチでは、データに合わせた細かい調整やモデルのカスタマイズが広範囲

本ブログは株式会社サンブリッジ様と Amazon Web Services Japan が共同で執筆いたしました。 みなさん、こんにちは。AWS ソリューションアーキテクトの杉山です。 生成 AI の活用シーンが急激に増えてきており、今この瞬間に時代が変化しているのだと感じる毎日です。本日は、社内の業務効率化における生成 AI の活用事例として、株式会社サンブリッジ様 (以下、サンブリッジ様) の取り組みをご紹介します。わずか 2 週間という短期間で構築された社内向け AI チャットボットが、どのように業

みなさん、こんにちは。AWS ソリューションアーキテクトの木村です。 最近はコーディングする際に AI エージェントがもう手放せなくなってきています。 さて、6 月 25 日（水）、26 日（木）に開催される AWS Summit Japan 2025 の ウェブサイト がオープンしました！最新情報を受け取る登録ができるので是非ご覧ください。 それでは、3 月 17 日週の生成 AI with AWS界隈のニュースを見ていきましょう。 さまざまなニュース ブログ記事「Amazon Q Developer

こんにちは。t-kurimuraです。 先日LuupのSoftwareDevelopment部では、LLMをテーマに社内勉強会が開催されました！ 私自身もコーディング時のGitHub Copilotの補完だったり、手持ちのスマホのAndroid端末ではPerplexityをデフォルトのアシスタントに設定できたりするので趣味やニュースのことをPerplexityに聞いてみたり、生活のなかでもLLMツール漬けの毎日です。 いくつかのLLMツールに課金をしていますが、ワーク＆ライフ両方に相応かそれ以上の価値があ

こんにちは。ファインディでソフトウェアエンジニアをしている栁沢（ @nipe0324a ）です。 ファインディでは、25年1月末から転職開発チームにDevinがジョインし、現在2ヶ月ほど一緒に働いています。 Devinのアウトプットとして、プルリクエストのマージ数は「 2ヶ月で197件 」、「 1日あたり平均5.2件 」とバリバリ開発をしてもらっています。 過去2ヶ月のDevinのマージ済みプルリク数の推移 Devinの2ヶ月の費用としても約30万（$2,000 = 1,000 ACUs）ほどで、比較的簡

こんにちは。イノベーションセンター Generative AI チームの安川です。今回はrokadocのパブリックベータ版（ https://rokadoc.ntt.com/ ）が公開されたため、その紹介と解説をします。 本記事では「ドキュメント変換技術」であるrokadocの概要を説明した上で、実際の使い方や結果を紹介します。 使い方の部分では、WebUIを用いて簡便にドキュメント解析を行う方法や、解析結果が実際にRAG（Retrieval-Augmented generation、検索拡張生成）で有用

こんにちは、イノベーションセンターの加藤です。この記事では、大規模言語モデル(LLM)にJSONやソースコードを正しく出力させるための生成手法であるStructured Generationについて紹介します。 Structured Generationとは パーサーを用いた制約手法 正則言語とは 正則言語のStructured Generation 文脈自由言語とは 字句解析について 正則言語+文脈自由言語のStructured Generation まとめ Structured Generationと

こんにちは、テリーです。待望のNVIDIA RTX5090は手に入りましたか？価格はとんでもないことになっていますが、品薄のようです。AIの進化は相変わらず絶好調で、トレンドを追いかけるだけでも大変なくらい広範囲に広がっ […]

目次 はじめに PoCとアーキテクチャ PoCと本番システム開発の違い アーキテクチャとは PoCにおけるアーキテクチャ設計 品質(Quality)観点での検討 機能適合性 使用性 互換性 信頼性 セキュリティ 保守性 保守性:再利用性 保守性:解析性 保守性:修正性 保守性:試験性 保守性:モジュール性 性能効率性 移植性 品質特性に対するまとめ コスト(Cost)・納期(Delivery)も考えると 既存システムからの流用 共通機能の整備 まとめ はじめに こんにちは、Insight Edgeでエンジ

こんにちは、AIチームの戸田です。 KaggleのTitanicデータセットは、機械学習の入門として定番のデータセットです。 Titanic - Machine Learning from Disaster 多くの機械学習手法が試されてきたこのデータセットに対し、今回は少し異なるアプローチを試みたいと思います。ランダムフォレストのような従来の表形式データ向け機械学習手法ではなく、テキストを処理するLLM（Large Language Model）を使って、Titanicの生存者予測を試します。 従来の機械

1. はじめに こんにちは。AIチームの栗原です。 2025年3月10日(月)〜3月14日(金)に 出島メッセ長崎 にて行われた 言語処理学会第31回年次大会 で、弊社からポスター発表で3件、口頭発表で1件の発表を行いました。 昨今の発表件数の増加の流れはさらに続いており、投稿件数は777件（昨年は599件）と過去最高をさらに記録した模様です。自然言語処理への熱はとどまるところを知らないといった様子です！ 2. 各発表資料と発表内でのディスカッション 2.1 JHARS: RAG設定における日本語Hall

はじめに こんにちはサイオステクノロジーの小野です。今回はOpenShift AIにデプロイしたLLMをVSCodeと連携させて、コード生成AIを利用する方法について解説します。また、VSCodeはOpenShift上で構築できるOpenShift Dev Spacesを利用します。これにより非接続環境でのコーディングでもAIによるコード支援を受けることができるようになります。 OpenShift Dev Spacesについて OpenShift上でアプリケーション開発を行う際に便利なツールとして、Ope

はじめに JAWS DAYSとは いざ入場！ 聴講したセッション Next-Generation Software Development IAMのマニアックな話 2025 IAMのベストプラクティスは5年間でどう変わったのか？ 地方でCCoEは無理だって！？ならコミュニティを作ればいいじゃない！地方版CCoE「re:light local」の取り組みとその未来 Sonnet de ソネット。 LLM-as-a-Judgeを使ってRAG環境(Amazon Nova on Bedrock)の回答精度を高めて