128Kのロングコンテキスト＋エージェント強化トレーニング！LFM2.5-2.6Bにより、エッジでの大規模モデルの効率的な展開が可能に。DETRはTransformerを使用してNMSとアンカーを突破し、物体検出を再構築。

AIエージェントが徐々にクラウドから端末へと移行するにつれて、限られた計算能力とメモリで高品質なタスク実行を実現することが極めて重要になってくる。 LFM2.5-2.6Bは、このニーズを満たすように設計されています。LFM2アーキテクチャをベースに、128Kのロングコンテキストとエージェント強化学習を導入し、ツール呼び出し、命令遵守、マルチステップタスクにおいて優れたパフォーマンスを発揮し、パラメータサイズが4倍大きいモデルにも匹敵する性能を実現しています。このモデルは、実用的なアプリケーションにおける互換性を向上させるため、主流のエージェントフレームワーク向けにトレーニングおよび最適化されています。特に注目すべきは、Apple M5 Maxでは最大220 tok/s、AMD Ryzen CPUでは最大113 tok/sの推論速度を実現し、メモリ使用量は2.5GB未満に抑えられている点です。軽量設計と高性能のバランスが優れており、エッジエージェントの展開における新たな選択肢を提供します。

HyperAIのウェブサイトに「LFM2.5-2.6B：エッジ環境向け効率的なエージェント推論モデル」が掲載されました。ぜひお試しください！

オンラインでの使用:https://go.hyper.ai/rbtpt

hyper.aiの公式サイトにおける8月7日から8月13日までの更新内容の概要は以下のとおりです。

* 高品質の公開データセット: 5

* 厳選された高品質チュートリアル：6件

* 人気のある百科事典のエントリ: 5

公式ウェブサイトにアクセスしてください:ハイパーアイ

公開データセットの選択

1. GLM-5.2会話対話軌跡データセット

GLM-5.2-Conversationは、大規模な対話モデルの教師ありファインチューニング（SFT）および推論蒸留のための、中国語と英語の大規模な質疑応答コーパスを提供するように設計された対話軌跡データセットです。このデータセットには、GLM-5.2の高推論モードで生成された50,000件の対話軌跡サンプルが含まれています。各サンプルは、ユーザーの質問とモデルからの完全な推論応答で構成されており、プログラミング、数学、物理学、創作、論理的な質問応答などのトピックを網羅しています。

オンラインでの使用:https://go.hyper.ai/T2GCb

2. XYZ-Aquila SFTエージェント複数ラウンド軌道データセット

XYZ-Aquila SFTは、XYZAILabが公開した、探索指向エージェント向けの複数ターン軌跡データセットです。このデータセットは、探索エージェントの教師ありファインチューニング（SFT）のための高品質なバイリンガル複数ターンツール呼び出し軌跡データを提供することを目的としています。データセットには、7,000件の複数ターン探索指向ツール使用軌跡が含まれており、そのうち5,000件は英語、2,000件は中国語です。このデータセットは、XYZ-Aquila-miniおよびXYZ-Aquila-proモデルで使用される教師ありファインチューニングコーパスのサンプルです。各サンプルには、探索ツール呼び出し、中間観測、中国語と英語の両方の応答生成を含む、1つのエージェントインタラクションプロセスが完全に記録されています。

オンラインでの使用:https://go.hyper.ai/t7r54

3. 再帰的タスク合成：再帰的タスクデータセットの合成

Recursive-Task-Synthesisは、強化学習とコマンドラインAIエージェントの能力評価のために特別に設計された、合成再帰タスクのデータセットです。研究者に実行可能で検証済みの実世界のタスクインスタンスを提供することを目的としています。このデータセットには、37,484個の検証済みコマンドラインタスクインスタンスが含まれており、それぞれに自然言語による指示、参照回答、ソースデータ、および事前設定済みのDockerランタイム環境が付属しています。タスクは、ソフトウェア開発、システム保守、スクリプト作成など、複数の技術分野を網羅しています。

オンラインでの使用:https://go.hyper.ai/ZsQ2L

4. PROTECT-90 電力系統保護故障データセット

PROTECT-90は、電力系統保護および過渡解析研究のための標準化された再現可能なベンチマークデータを提供するように設計された、電力系統保護故障波形データセットです。このデータセットには、標準的な90kV二回線トポロジーで生成された9,022の電磁過渡現象（EMT）シミュレーションケースが含まれています。各セグメントは、8つの保護関連測定場所で記録された、6.4kHz（50Hzサイクルあたり128サンプリングポイント）のサンプリングレートで1秒間の同期三相電圧および電流波形を提供し、合計48の同期波形チャネルが含まれています。

オンラインでの使用:https://go.hyper.ai/epqXm

5. 海洋大陸衛星気象データセット

Maritime Continent Satellite Weatherは、海洋大陸地域向けの衛星気象画像データセットで、気象予報やナウキャスティングにおける深層学習の応用を探求し、降雨予測、雷雨の識別、マルチモーダルモデル融合の研究を支援するために設計されています。このデータセットには、気象データとペアになったひまわり8/9衛星赤外線画像フレームが95,036フレーム（1時間ごとに取得）含まれており、西海洋大陸地域（東南アジアとマラッカ海峡、シンガポール、インドネシア、マレーシア、タイを含む）をカバーし、これらの国の23都市の地表気象データが付属しています。各都市ファイルには97,056行のデータが含まれています。

オンラインでの使用:https://go.hyper.ai/2dOI3

選択された公開チュートリアル

1. LFM2.5-2.6B: エンドユーザー展開のための効率的なエージェント推論モデル

Liquid AIが2026年8月にリリースしたLFM2.5-2.6Bは、エッジ環境への展開を目的としたLFM2.5シリーズの軽量ハイブリッドアーキテクチャ言語モデルです。128Kの超長文コンテキストをサポートし、強力なエージェントツール呼び出し機能を備えています。このモデルは、22個のデュアルゲート型ショート畳み込みモジュールと8個のGQAモジュールを採用し、パフォーマンスと計算効率のバランスを実現しています。エージェント強化学習を用いて事後学習されており、エージェントワークフロー、長文ドキュメント理解、RAG、エッジ推論などのシナリオで使用できます。

オンラインで実行:https://go.hyper.ai/rbtpt

2. NLPチュートリアル：DeBERTaに基づく特許フレーズ類似性マッチング

このチュートリアルは、自然言語処理（NLP）の初心者向けに設計されており、特許フレーズの類似性マッチングをケーススタディとして、自然言語処理のコアプロセスを基礎から解説します。Microsoft DeBERTa-v3とHuggingFace Transformersをベースに、データ探索、単語分割、モデルのトレーニングと評価を網羅し、特許テキストの類似性分析、意味検索、テキスト分類、回帰などのタスクに活用できます。

オンラインで実行:https://go.hyper.ai/3R3Yp

3. DETR: Transformer を使用したエンドツーエンドの物体検出

Facebook AI Research (FAIR) が2020年に発表したDETR（DEtection Transformer）は、物体検出を直接的な集合予測問題として再定義するエンドツーエンドの物体検出モデルです。従来の検出器におけるNMSやアンカーといった複雑な後処理ステップを、Transformerアーキテクチャに置き換えています。このモデルはエンコーダー・デコーダー構造とオブジェクトクエリを採用し、ハンガリーアルゴリズムを用いて予測結果と実在物体との二部グラフマッチングを実現します。物体検出だけでなく、インスタンスセグメンテーションやパノプティックセグメンテーションといった視覚タスクにも利用できます。

オンラインで実行:https://go.hyper.ai/eVfK1

4. GAN-BERT：敵対的生成ネットワークに基づく半教師ありテキスト分類

GAN-BERTは、ローマ・トル・ヴェルガータ大学のトル・ヴェルガータ研究チームがAmazonと共同で2020年7月に発表しました。これは、BERTの改良版に敵対的生成ネットワーク（GAN）を導入し、生成器と識別器の協調学習によって、少量のラベル付きデータのみで効率的なテキスト分類を可能にしています。TRECの細粒度分類タスクでは、わずか109個のラベル付きサンプルで41.81 TP3Tの精度を達成し、従来のBERTの13.61 TP3Tを大幅に上回りました。

オンラインで実行:https://go.hyper.ai/ujIry

5. Inflect-Micro-v2: パラメータ数が10M未満のTTS

2026年4月にオーウェン・ソンによってリリースされたInflect-Micro-v2は、約935万7千個の展開可能なパラメータのみを含む軽量なエンドツーエンドのテキスト音声合成（TTS）モデルです。FP32モデルのサイズはわずか37.53MBで、CPUとCUDAの推論をサポートしています。VITSアーキテクチャに基づいており、追加のボコーダーなしで24kHzモノラル音声を直接生成でき、長文テキストの分割、ポーズ制御、決定論的なシード再生をサポートしています。ローカル音声合成、エッジデバイス展開、テキスト読み上げなどのシナリオに適しています。

オンラインで実行:https://go.hyper.ai/oAocJ

6. DeePMD-kit: 深層ポテンシャル分子動力学に関するチュートリアル

DeePMD-kitは、2018年にDeepModelingコミュニティによって初めてリリースされた、深層学習に基づく分子動力学シミュレーションツールキットです。ニューラルネットワークを用いて、第一原理計算データにおける原子間ポテンシャル面を学習し、第一原理計算に匹敵する精度で大規模な分子シミュレーションを実現します。このツールは、TensorFlow、PyTorch、JAX、PaddlePaddleといった複数の深層学習フレームワークをサポートしており、LAMMPSやGROMACSなどの主流の分子動力学ソフトウェアと統合することも可能です。高性能計算アプリケーションとして、2020年のACMゴードン・ベル賞を受賞しました。材料構造予測、化学反応経路探索、触媒設計、タンパク質相互作用シミュレーションなど、幅広い分野で活用されています。

オンラインで実行:https://go.hyper.ai/F0H9W

💡安定拡散チュートリアル交換グループも設立しました。お友達はコードをスキャンして [SD チュートリアル] にメモし、グループに参加してさまざまな技術的な問題について話し合い、アプリケーションの効果を共有してください。

人気のある百科事典の項目を厳選

1. 光学文字認識（OCR）

2. 世界行動モデル（WAM）

3. リモートセンシング

4. グリッチトークン

5. 生成型事前学習済み変換モデル（GPT）

ここには何百もの AI 関連の用語がまとめられており、ここで「人工知能」を理解することができます。

https://go.hyper.ai/wiki

上記は、今週編集者が選択したすべてのコンテンツです。hyper.ai 公式 Web サイトに掲載したいリソースがある場合は、お気軽にメッセージを残すか、投稿してお知らせください。

また来週お会いしましょう！