AutoSynthData: エンタープライズエージェント向けのトレーニングデータ生成
読む理由 このシステムは、特定の能力ギャップを対象とすることで高品質な合成データの作成を自動化し、複雑な環境におけるエージェントのファインチューニングのためのスケーラブルなソリューションを提供します。
ServiceNow研究者がAutoSynthDataを発表。モデルの失敗を検証可能なトレーニングタスクに変換し、エンタープライズエージェントの学習を効率化するパイプライン。
タグ · #training
SWE-Prime：少ない軌跡でモデル性能を向上させる
読む理由 開発者は注意すべきです。ノイズの多い教師付けは、モデルに望ましくない問題解決行動を模倣させる可能性があります。
新しい手法 SWE-Prime は、大規模言語モデルが現実世界のソフトウェア問題を解決する能力を向上させるために、トレーニングデータをフィルタリングします。
フィジカルAI算力対決 — Waymo Google Cloud TPU vs Tesla Dojo D1：訓練インフラベンチマーク 2026
WaymoはGoogle TPUポッドを補助金コストで利用し、毎日150億マイルをシミュレーション。TeslaはDojo D1をビデオ学習用に開発し、NVIDIA H100クラスターも並行稼働。
フィジカルAIデータフライホイール — Teslaの600万台訓練優位性、Waymoの5000万マイル無人商業走行、そしてAV競争を制するのはデータ量か品質か
Tesla 600万台車隊 vs Waymo 5000万マイル無人走行：データフライホイールをフィジカルAI基準軸として分析し、量と質のどちらが勝つかを検証。
Physical AI データパイプライン — Tesla 600万台収集フライホイール vs Waymo 毎日150億シミュレーションマイル：トレーニングインフラ競争
Teslaは600万台の車両から毎日数百万FSDマイルを収集し、Waymoは毎日150億シミュレーションマイルを実行。量vs品質がPhysical AIデータパイプライン競争を定義する。