LLM・機械学習
193件のリポジトリ（注目度順） — 7ページ目
google-research/kauldron研究速度重視のJAXモジュール式学習フレームワーク — Kauldronは、Google ResearchによるJAX/Flax向けのモジュール式ML学習ライブラリです。任意のデータセット・モデル・オプティマイザを自由に組み合わせ、各層を細かくカスタマイズ可能。Colab中心のワークフローやプロファイラ統合などで研究の試行速度を高めます。
Modular, scalable library to train ML models
FrigadeHQ/hobPCに最適なオープンモデルを自動選択するローカルAIデスクトップアプリ — Hobは、Gemmaやgpt-ossなどのオープンウェイトモデルをllama.cpp経由でローカル実行する、無料オープンソースのデスクトップアプリです。ClaudeやChatGPTの代替として、オフラインかつプライベートに動作し、PCの性能に合った最適なモデルを自動選択してセットアップ、PDF記入や文書処理などをクラウド送信なしで行えます。
An easier way to use AI on your own computer. A free, open-source alternative to Claude and ChatGPT that runs open-weight models like Gemma and gpt-oss locally on Mac, Windows and Linux. Private, and works offline.
nu-dialogue/j-moshi日本語対応のフルデュプレックス音声対話モデル「J-Moshi」 — J-Moshiは英語のfull-duplex音声対話モデルMoshiを日本語音声対話データで追加学習したシステムです。相槌や発話の重なりなど自然なターンテイキングをリアルタイムに実現し、学習済みモデルや音声サンプル、学習コードも公開されています。
J-Moshi: A Japanese Full-duplex Spoken Dialogue System
menloresearch/cyclotronAsimov 1向け歩行ポリシー学習フレームワーク — CyclotronはMenlo Researchが開発したオープンソースヒューマノイド「Asimov 1」向けのIsaac Lab拡張です。PPOと敵対的動作事前分布(AMP)を用いて歩行ポリシーを学習し、学習から書き出し、可視化、ベンチマークまで一貫して行えます。実機への展開を目指す研究者や開発者に向いています。
Official reinforcement learning training framework for Asimov humanoid robots, built on Isaac Lab.
thomasunise/casecite自社インフラ完結型の法律文書RAGプラットフォーム — CaseCiteは文書チャット、判例を含むディープリサーチ、契約レビュー、数百件の契約を一括比較する表形式レビューなど9つのツールを1つのログインで提供する、セルフホスト型の法務RAGプラットフォームです。文書・検索インデックス・チャット履歴は自社サーバーに保存され、APIキーも自前（BYOK）でテレメトリーなし。データを外部SaaSに渡したくない法律事務所向けです。
CaseCite is an open-source, self-hosted legal RAG caselaw research & document analysis platform.
ryota-komatsu/slp2025音声言語モデル講演のスライドとデモ一式を公開 — 音声言語モデルに関する複数の学会講演のスライドとデモスクリプトをまとめたリポジトリです。WhisperエンコーダとLlama 3.2をアダプタで接続しゼロショット指示追従を行う実装など、再現可能な学習・推論コードが含まれ、研究者や学習者に役立ちます。
Survey of audio language models
Arnie936/llm-prompting-testsシステムロジックの正しさまで試すドイツ語プロンプト集 — LLMやコーディングエージェント、エージェント型モデルを評価するための22個の高難度ドイツ語プロンプトを収録したリポジトリです。単なる見た目ではなく、蜂の巣シミュレーションのようにモジュール設計やリソース管理ロジックの正確さを問う課題が特徴で、モデルの実装力を厳しく検証したい開発者に向いています。
Prompting tests for evaluating LLMs, coding agents, and agentic models
Atotti/ja-speech-llm日本語音声理解LLMの学習パイプライン一式 — 凍結したWhisper-large-v3エンコーダとLLM-jp 8Bデコーダを学習可能なアダプタで接続し、日本語音声対話とASRに対応するモデルを構築するリポジトリです。ASR事前学習・マルチタスクSFT・DPOアラインメント・Gradioデモまでを一貫して提供し、学習済みチェックポイントも公開されています。
FT-LLM2026で開発した日本語SpeechLLMの学習コード
scienthoon/jev-ood-calibrationJevの確信度はドメイン外でも正直か？独立検証 — TypeSafeのJevモデルについて、約6セントで再現可能な独立較正テストを実施したリポジトリです。既知の公開ベンチマークでは確率が良く較正される一方、未見のルールベース900件のタスクでは自信過剰になり、誤りの傾向が質問タイプごとに反転することを示しています。Jevの「認識論的に正直な確率」という主張を検証したい開発者に有用です。
Independent calibration test of TypeSafe's Jev on a task it cannot have seen: 900 rule-generated support tickets (choice / score / boolean) plus 3 public benchmarks via Vercel AI Gateway. Raw responses, ECE with noise floor, temperature refit, per-type sign of miscalibration. Reproducible for ~$0.06.
AnthusAI/Jev-CalibrationJevの自信度を較正する：アイソトニック回帰がPlattを上回る — このリポジトリは、Jevが示す確信度が実際の正解率と一致するかを8,801件の感情分析データで検証しています。生の確率は期待較正誤差0.117でしたが、Plattスケーリングで0.052、アイソトニック回帰では0.008まで改善し、わずか20〜100件の較正データでも効果を発揮しました。信頼できる確信度が必要なLLM分類器開発者に役立つ実践的な続編です。
Does Jev's confidence mean what it says? Calibrating Jev (TypeSafe System One) with Platt scaling and isotonic regression.
furuya02/sagemaker-embedding-ft-visual-inspection外観検査、ファインチューニングより照明条件が効く — 不良画像を1枚も使わない外観検査の手法を、アヒル67枚のデータセット（CC BY 4.0・同梱）で実測した記録です。ファインチューニングはむしろ性能を悪化させ、照明条件の最適化やDINOv2埋め込みへの切替の方が効果が大きいという結果を、AUROCだけでは見えない指標で示しています。
不良画像を1枚も使わない外観検査で、ファインチューニングは割に合うのか実測した記録。アヒル67枚のデータセット(CC BY 4.0)を同梱
kmizu/syntax-locality-experiments冗長な構文はAIの精度を上げるのか検証する実験基盤 — 初見の文法に従うプログラム生成で、終端記号の冗長さ（`}`からend func nまで5条件）がLLMの正確さに影響するかを検証する実験リポジトリです。外部依存なしのScala製で、読解・生成・全体解析を分離集計し、再現可能なHTMLレポートを公開しています。
Paired experiments on supplied miniature grammars: reading, generation, and full-program parsing. Reproducible HTML reports.
cm-nakamura-shogo/blog-deepseek-v4p1-1017-self-hostingDeepSeek V4.1 FlashをAWS G7e上でSGLang検証 — DeepSeek-V4.1-Flash-1017をAWS G7eでSGLang/ECS/Terraformを使い検証した記録です。DSpark先読みで速度が約2倍（最大55token/s）になった比較や、Engramオフロード比較、vLLMでの起動失敗、各リージョンでの容量不足の経緯も記載しており、大規模MoEモデルの自前ホスティングを検討する人に参考になります。
DeepSeek V4.1 Flash 1017 on AWS G7e with SGLang (ECS, Terraform) - blog verification code