レコメンダーシステム（RecSys）は、ユーザーの行動履歴に基づいてアイテムを推薦する技術です。従来の手法ではデータのスケーラビリティに課題がありましたが、生成型レコメンダー（GR）はこのアプローチを変革します。GRはユーザーの履歴から次の行動を予測し、HSTUやセマンティックIDなどの新しいアーキテクチャを用いて効率的なトレーニングと推論を実現します。NVIDIAの‘recsys-examples’と‘nv-embedding-cache’は、これらの技術を活用し、レコメンダーのパフォーマンスを向上させます。

NVIDIA Holoscanは、医療画像処理からロボティクスまでのリアルタイムAIアプリを構築するプラットフォームです。本記事では、AIコーディングエージェントを用いて内視鏡ツールのセグメンテーションアプリを構築する工程を解説します。開発は反復的に行われ、エンジニアが目標を設定し、エージェントが実装を進めます。CLIを活用し、反復ごとにコード、出力、テストをレビューしながら、最終的なアプリケーションを完成させます。

新学期に向けて、Google Searchが学習をサポートする5つの新ツールを発表。1. インタラクティブなビジュアルで概念を理解。2. カスタマイズされた練習クイズで知識をテスト。3. Lensを使って段階的に学習。4. ノートブックで学びを整理。5. カスタムファイル作成で学習資料を効率化。これらのツールで、学びを自信を持って進めることができる。

NVIDIA FLAREを用いた分散型のマルチモーダルAIワークフローに関する記事。VLM（ビジョン・ランゲージモデル）のトレーニングは、データが複数のサイトに分散しているため課題が多い。主な設計決定は、どのモデル状態をネットワークを通じて送信するか、そしてそれを効率的に転送・集約する方法。FedUMMという軽量アダプタを用いた具体例を紹介し、通信コストを削減しつつモデルのパフォーマンスを向上させる手法に焦点を当てている。

NVIDIA FLAREは、分散したデータを持つ機関間での連合学習を可能にするフレームワークです。特に、視覚と言語を融合したモデル（VLM）のトレーニングにおいて、データの集約やモデル更新の効率化を図ることが求められます。FLAREは、モデルの状態や更新を効率的に処理するための設計選択肢を示し、軽量なアダプタを連合するFedUMMを通じて、通信コストを大幅に削減する手法を提案しています。

NVIDIAは、AIエージェントのスキルがパフォーマンスに与える影響を評価するオープンソースツール「SkillEvaluator」を開発しました。このツールは、スキルを使用した場合としない場合でエージェントの実行結果を比較し、スキルの効果を測定します。評価は3段階で行われ、特にライブ評価では、エージェントがスキルをインストールした場合としない場合のパフォーマンスを比較します。300以上の検証済みスキルの最初のベンチマーク結果も公開されています。

NVIDIAのCosmos 3 Edgeは、オンボードコンピューティングハードウェアで動作するロボットのための新しい4Bオムニモデルです。このモデルは、物理的相互作用を学ぶための基盤を提供し、Jetson Thor上で実行可能です。記事では、ポストトレーニングによるロボットアクション予測、ポリシーのサーバー提供、推論の実行方法を解説。最終的に、閉ループシミュレーションで評価可能なポリシーを構築することができます。

NVIDIA ALCHEMI Toolkitを利用したAIコーディングエージェントによる材料シミュレーションの効率化について述べられています。シミュレーションには科学知識、計算効率、インターフェースが必要ですが、ALCHEMI ToolkitはMLIPのための構成可能なブロックを提供し、AIエージェントが自然言語からコードを生成します。記事では、エージェントの設定方法やベストプラクティス、シミュレーションワークフローの構築方法が解説され、具体的な事例も紹介されています。

UMAPは次元削減技術で、データ分析や可視化に広く使用されます。NVIDIAの新機能により、複数のGPUを使ってUMAPの全近傍kNNグラフ構築を分散処理し、数百GBのデータセットを数分で処理可能にします。これにより、データセットが数千万から数億のベクトルに拡大しても、効率的に分析が行えます。また、性能も向上し、以前は不可能だったスケールでの実行が可能になります。

Sentence Transformersのv6.0では、ColBERTスタイルの遅延インタラクションを実現する多ベクトルモデル（MultiVectorEncoder）が追加されました。このモデルは、トークンごとにベクトルを保持し、MaxSimオペレーターを使用してクエリとドキュメントをスコアリングします。これにより、より強力な検索が可能になる一方で、インデックスサイズが増加します。使い方やインストール方法、モデルの読み込みやエンコーディング、スコアリングの詳細が解説されています。

NVIDIAのNemotron 3.5 Lightning NVFP4モデルは、QAD（Quantization-Aware Distillation）を用いて、高いスループットと低メモリ使用を実現します。QADは、ポストトレーニング量子化（PTQ）よりも厳しい量子化に対応し、精度を維持しながらモデルを圧縮します。この記事では、QADを活用したモデル開発プロセスを解説し、トレーニングパイプライン、実験結果、評価方法について詳しく説明します。

Googleはアーセナル、バルセロナ、バイエルン、リバプール、パリ・サンジェルマンと提携し、AI技術とPixelデバイスを活用してファンを試合に近づける取り組みを発表しました。Geminiを使って試合の詳細な分析や統計を確認でき、Pixelカメラで独占的な裏側のコンテンツを楽しめます。特に女子サッカーの可視性向上にも貢献し、ファンに新しい体験を提供します。

ドメイン解決エラーが発生しました。具体的には、'dify.aiblog'というドメインが解決できない状態です。このエラーは、無効なドメイン名やDNS設定の問題が原因で起こることがあります。対処法としては、ドメイン名の確認やDNS設定の見直しが必要です。エラーコード422は、提出されたデータが不正であることを示しています。この問題を解決するための手順を理解しておくことが重要です。

2026年の春から夏にかけてのオープンAIモデルの進展を報告します。主な観察内容は以下の通りです。1. 中国のラボがアメリカを上回る大規模モデルをリリース。2. モデルのダウンロード数といいね数が一致しない現象。3. オープンウェイトが価値の蓄積に影響。4. Qwenがコミュニティの基盤モデルに。5. 小型モデルが依然として実用的な選択肢。6. エージェントが新たなユーザー層に。これらの動向は、オープンソースAIの未来に大きな影響を与えるでしょう。

Google Sheetsに新機能「Sheets canvas」が登場。自然言語でデータを視覚化し、インタラクティブなダッシュボードやカスタムトラッカーを簡単に作成できます。主な特徴は、コーディング不要、リアルタイム同期、柔軟な調整が可能、共有も簡単。学生の宿題管理やファンタジーフットボールのチーム運営、結婚式の席次表作成など、さまざまな用途で役立ちます。

2026年7月、ICML2026の論文を再現するハッカソンが開催され、1,200人以上が参加。2,226本の論文が再現され、51%の論文で少なくとも1つの主張が確認された。23%は誤りがあったことが判明。人間の役割も重要で、エージェントの限界を補い、質の高いレビューを可能にすることが示された。