arxiv.org/abs/2308.16890 背景）会話スキル・視覚物語生成能力について精緻な LVLM 評価研究が少ない 提案）LVLM 能力を総合評価すべく 27 サブタスクをカバーする視覚対話データ TouchStone を提案し LLM による評価を実施

arxiv.org/abs/2308.16463 背景）既存 LVLM は複数画像間で一貫した対話を実現できない 提案）複数画像を考慮する指示追従モデル SparklesChat、GPT-4 を用いた評価ベンチマーク SparklesEval を提案

WizardLM: Instruction Tuning を行うための複雑で多様な指示データの自動構築

# Instruction Tuning # LLM # 日本語解説 WizardLM: Empowering Large Language Models to Follow Complex InstructionsCan Xu, Qingfeng Sun, Kai Zheng, Xiubo Geng, Pu Zhao, Jiazhan Feng, Chongyang Tao, Daxin Jiang https://arxiv.org/abs/2304.12244

https://arxiv.org/abs/2307.02472 内容）埋め込み空間が演繹的加法性を示すか調査 仮説）前提文の埋め込み和は、結論の埋め込みに近い 提案）推論タイプ別性能を評価するために SSRC データセットを提案

arxiv: 2307.01163 (Chen+'23) 事前学習時 k 更新ごとに埋め込み層をリセット（active forgetting）することで収束が速くなり、低資源言語で XNLI, MLQA, XQuAD の精度が向上するそう

@akeyhero (株式会社グロービス) +'23 - OpenAI の Embeddings API はイケてるのか、定量的に調べてみる (Qiita) https://qiita.com/akeyhero/items/ce371bfed64399027c23 ・Dense Retrieval 系の比較はこちらが参考になりそう

ABEJA - 外部データをRetrievalしてLLM活用する上での課題と対策案 https://tech-blog.abeja.asia/entry/retrieval-and-llm-20230703 ・埋め込みベース検索の実験的まとめ記事 ・未知語は TF-IDF, 微調整, 別モデルで対応 ・忘却・知識衝突・別モデルの話で別記事が書けそう

Zhang+'23 - https://llavar.github.io/ LLaVA を文書画像で指示調整 LAION から 422K のテキスト画像を収集 テキスト画像の QA ペアを含む 16K の会話を生成 テキストベース VQA で LLaVA を大幅に凌駕

中川+'23 - 魅力的な技術アウトプットを出すために心がけている7つのこと (note) https://note.com/shinyorke/n/n4daf30cbc653 ① マウンティングをしない様、自己紹介を控えめにする。 ② 聴衆・読者への期待値を宣言する。 ③ 内輪ネタを極力回避する。

piyonakajima+'23 - チームにノリをもたらした時にいた「二人目に踊る人」の共通点 ・共通点：サーバントリーダーシップを持つ ・注意：組織の成果物が特定の人になると危ない（実質的な推進者はリーダーであるべき） 　https://twitter.com/fuuuuuta21/status/1672960863890993159

https://github.com/Azure-Samples/jp-azureopenai-samples > Azure OpenAIを活用したアプリケーション実装のリファレンスを目的として、アプリのサンプル（リファレンスアーキテクチャ、サンプルコードとデプロイ手順）を無償提供しています。

1on1 の満足度を上げるために事前検死をした

先日 Youtube の PIVOT というチャンネルにて、株式会社 Momenter 代表の坂井風太 氏が「Z世代がたった数年で会社を見切る理由」について説明されている動画を拝見しました。 本動画の中で解説されていた組織効力感や経験学習の話が大変腑に落ちるものだったため、本記事ではそれらを達成するための手段として 1on1 をテーマに自分の所感を言語化してみました。 私自身は組織心理学等の専門知識について全くの無知であり、1on1 のメンターおよびメンティーとしての経験