Show HN: Needle: We Distilled Gemini Tool Calling into a 26M Model (github.com)
github.com ·
Geminiのツール呼び出し機能を小型の26Mパラメータモデルに凝縮し、ファインチューニングや評価のためのCLIとWeb UIを提供します。自分でデータを用いてモデルを微調整できる点が、ローカルでLLMをカスタマイズしたいエンジニアにとって実践的です。
元記事を読む ⧉Google’s ‘Create My Widget’ feature will let you vibe-code your own widgets
techcrunch.com ·
Androidのウィジェット作成を自然言語記述で行える機能で、例えば「週に3回の高タンパク質レシピ」を指示するとダッシュボードが自動生成されます。コードを書かずに機能的なウィジェットを素早くプロトタイピングできる点が、UI開発の効率化に役立ちます。
元記事を読む ⧉Cache-poisoning caper turns TanStack npm packages toxic
theregister.com ·
TanStackのライブラリにキャッシュポイズニング攻撃が仕掛けられ、悪意のあるコードが配布されるリスクが高まっています。npm依存関係のセキュリティチェックの重要性を改めて示し、エンジニアはロックファイルや署名 verification を徹底すべきだと警鐘しています。
元記事を読む ⧉AMD’s vLLM-ATOM Plugin Supercharges DeepSeek-R1, Kimi-K2, and gpt-oss-120B AI LLM Inference on Instinct MI350 and MI400 Accelerators
wccftech.com ·
vLLMに組み込むことでトークン毎のレイテンシを低減し、AMDの最新GPUアクセラレータでのスループットを向上させるプラグインです。自社のAIサービスで遅延が課題となっている場合、追加のハードウェア投資なく性能を引き出せる可能性がある点が実務家にとって有益です。
元記事を読む ⧉Feature freeze for Python 3.15 as first beta released
theregister.com ·
次期Python 3.15の機能が固定され、最初のベータ版が公開されたことで、新しい言語機能や改善点を早期に試せます。開発サイクルに合わせてアップグレード計画を立てやすく、互換性テストを早めに始められる点が実践的です。
元記事を読む ⧉Yes, local LLMs are ready to ease the compute strain
theregister.com ·
オフラインで動作する大規模言語モデルが、ハードウェア要件を満たせば十分な性能を発揮でき、クラウドコスト削減に寄与する可能性があります。自社のデータを外部に送信せずにAI機能を組み込みたい場合に、オンプレミス導入の技術的ハードルが下がったことを示しています。
元記事を読む ⧉Both Fedora and Ubuntu will get AI support – soon
theregister.com ·
両ディストリビューションにAI関連のツールやフレームワークが公式リポジトリに組み込まれ、開発者が機械学習ワークフローを簡単に構築できるようになります。Linux環境でAIプロトタイピングを始める際の環境構築の手間が減り、迅速に実験を始められる点が魅力です。
元記事を読む ⧉HP stuffed a PC into a keyboard. We took it for a spin
theregister.com ·
キーボード形状の筐体にフル機能のPCを内蔵し、持ち運びやデスク周りのスッキリさを両立させた試作品です。フォームファクターの革新が、限られたスペースでの開発環境やデモ機としての実用性を高める可能性がある点がガジェット好きのエンジニアに刺激的です。
元記事を読む ⧉The React2Shell Story (lachlan.nz)
lachlan.nz ·
Flight APIを通じて渡されるデータに対するTypeScriptの型アノテーションが実行時には保証されず、悪意のあるペイロードで任意のコード実行が可能になる脆弱性を解説します。サーバーサイドロジックで未検証の入力を扱う際の防御策として、実行時バリデーションやサニタイズの徹底が求められることを具体的なコード例で示しています。
元記事を読む ⧉Remix 3 drops React
javascriptweekly.com ·
Remixの次期メジャーバージョンではReactへの依存を廃止し、独自のコンポーネントモデルやサーバーサイドレンダリング仕組みに変更されます。フロントエンドフレームワークの選択肢が増え、既存のReactコードからの移行コストやパフォーマンスへの影響を評価する材料になる点がアーキテクチャ検討に役立ちます。
元記事を読む ⧉