2026/01/13 3:41

Clearspace（YC W23）は、応用研究者（機械学習）を募集しています。

RSS: https://news.ycombinator.com/rss

要約▶

Japanese Translation:

概要
Clearspaceは、ユーザーの注意を搾取的なテクノロジーから守りつつ、ソーシャルメディアが持つ説得力と同等にマッチする「意図性レイヤー」をインターネット上で構築しています。同社のミッションは、プラットフォームが注意を引き付けるほど効果的に注意を遮断できるツールを作り出すことであり、特に強迫的な電話使用を対象としています。

2022年にサンフランシスコで設立され、5名のコアチームがいるClearspaceは既にHuberman Lab、New York Times Wirecutter、NPR Marketplace、Forbes、およびTBPNで取り上げられています。同社では、自然言語ルールを用いてネットワークトラフィックを分類するプロダクションモデルの訓練と改善を行うMLエンジニアを積極的に採用しています。職務内容は、モデルの実装、データ収集ツールの構築、創業者との研究方向性への直接協働、および自律的な運営です。候補者はコンピュータサイエンスまたは関連分野で最低でも学士号を保持し、プロダクションレベルのシーケンシャルモデル（特に時系列）の訓練経験があり、サンフランシスコでのオンサイト勤務に同意できる必要があります。ネットワークトラフィック専門知識や大学院研究経験は歓迎されます。このポジションでは給与が$150K–$200K、株式は0.50%–1.00%です。

今後の展望として、Clearspaceはエンジニアリングチームを世界クラスに成長させ、全デバイスで包括的な注意保護スタックを提供できるように計画しています。製品機能と市場リーチを拡大し、成功すれば消費者の強迫的電話使用を減らし、テック企業がユーザーの注意を管理する方法に影響を与え、業界全体をよりプライバシー重視のインフラへとシフトさせる可能性があります。

本文

Clearspaceでのリサーチエンジニア：強迫的なスマホ使用を排除する

給与: 150 Kドル – 200 Kドル
株式: 0.50% – 1.00%
勤務地: アメリカ合衆国、サンフランシスコ

ポジションの概要

Clearspaceはインターネットに「意図性」を持たせるレイヤーを構築しています。私たちのミッションは、人間の注意を守るテクノロジーを作り出し、ソーシャルメディアが無限スクロール・短文フィード・操作的な通知で利用者の注意を搾取するように、効果的に保護できることです。Huberman Lab、New York Times Wirecutter、NPR Marketplace、Forbes、TBPN などで紹介されたカテゴリを定義するモバイルアプリを開発しました。

ネットワークトラフィックを分類するモデルの訓練・改善にフォーカスしたMLエンジニアを募集しています。AI/ML に情熱を持ち、データ中心の問題解決が得意で、推論要件から逆に必要なデータを設計できる方が理想です。

主な業務

ネットワークトラフィック分類用プロダクションモデルの実装
データ収集ツールの開発
創業者と直接協力し、研究方向を定義
スピード感を持って自主的に動く

必要条件

コンピュータサイエンスまたは関連分野で学士号以上
時系列データを用いたプロダクションレベルのシーケンシャルモデル訓練経験
サンフランシスコ本社への出勤が可能

プラスになるポイント

ネットワークトラフィックに関する具体的な経験
研究者としての大学院経験

Clearspaceについて

Clearspaceでは、人々が強迫的なスマホ使用を減らせるよう支援します。現代テクノロジープラットフォームの搾取からユーザーの注意を守り、最も重要なことにスペースを提供することを目指しています。私たちは、注意を保護する技術を構築し、それが利用者を引き付ける同じテクノロジーと同等の効果を発揮できるよう、世界クラスのエンジニアチームで支えています。

創業: 2022
バッチ: W23
チーム規模: 5名
ステータス: アクティブ
所在地: サンフランシスコ
創業者: 名前は未公開

応募方法 → YCで最も注目されるスタートアップの創業者と直接つながりましょう。

同じ日のほかのニュース

一覧に戻る →

2026/01/13 4:27

了解しました！内容は明確で簡潔に保ちます。余分な改行や不必要な記号は入れず、リストがある場合は読みやすいようにきちんとインデントします。他にご要望がございましたら、お気軽にお知らせくださいね！

## Japanese Translation: **改訂された概要** CoworkはClaude Maxをベースにしたリサーチプレビュー・ツールで、現在はmacOSアプリを通じてMaxサブスクライバー向けに利用可能です。ユーザーが自分のコンピュータ上の特定フォルダへのClaudeのアクセス権を付与すると、そのフォルダ内のファイルを読み取り・編集・作成できるようになります。これにより、ダウンロードの整理、スクリーンショットからスプレッドシートを生成すること、散在したメモからレポートをドラフトするなどのタスクが便利に行えます。標準的なチャットとは異なり、CoworkはAIにより大きな主体性を与えます。AIはタスクを計画し、実行し、進捗状況を提供します。このツールはClaude Codeと基盤を共有しており、非コーディングの文脈でもコード風の対話が可能です。ユーザーは既存のコネクター（例：ドキュメントやプレゼンテーション）をリンクしたり、Chromeとのペアリングでウェブ閲覧を行ったりして機能を拡張できます。AIは複数タスクをキューに入れ、並列実行することで前後のチャットを減らします。制御権はユーザーに残ります：Claudeが見るフォルダとコネクターを選択し、大きな操作を行う前にプロンプトが表示されます。ただし、誤った指示でファイルが削除されたり、プロンプトインジェクションが発生するリスクもあるため、安全対策は継続的に開発中です。このプレビューはフィードバックを集めることを目的としており、将来のリリースではデバイス間同期、Windowsサポート、強化された安全機能、および拡張されたコネクターオプションが追加される可能性があります。Coworkは個人向けにファイル整理を効率化し、手動監視を保ちながらファイルベースのワークフローを自動化する制御可能なAIアシスタントとして設計されています。

2026/01/13 1:04

**TimeCapsuleLLM：** 1800年〜1875年のデータのみで訓練された大規模言語モデル (Note: The length is preserved while using natural, polite Japanese.)

## Japanese Translation: ``` ## Summary TimeCapsule LLM プロジェクトは、歴史的な英語データのみを使用して言語モデルをゼロから構築し、現代のバイアス（「Selective Temporal Training」）を排除します。 - **Model evolution** - *v0* (16 M パラメータ、nanoGPT ベース) は約187 MB の1800年代テキストで訓練され、1800年代風の言語を生成しましたが、一貫性のない文になりました。 - *v0.5* (123 M パラメータ、引き続き nanoGPT) はコーパスを約435 MB に拡張し、文法・句読点を改善しましたが、高い幻覚と OCR ノイズに悩まされました。 - *v1* (700 M パラメータ、Phi 1.5 ベース) は約6.25 GB のデータで訓練され、歴史的事件や人物を正確に思い出せるようになりました。 - *v2mini‑eval1* (300 M パラメータ、90 GB London コーパス全体の15 GBサンプル) はわずか10 K ステップで訓練され、トークナイズ問題により「Who is Charles Dickens?」のような文字化けした出力が生成されました。 - *v2mini‑eval2* (v2mini‑eval1 と同じサイズ・データ) はチャールズ・ダーウィンについて極めて不連続なテキストを生成しました。 - **Dataset** 完全版 v2 データセットは1800–1875 年のロンドンテキストで 90 GB を含み、136,344 ドキュメントから構成されています。15 GB のサンプルは Hugging Face（https://huggingface.co/datasets/haykgrigorian/TimeCapsuleLLM-London-1800-1875-v2-15GB）で公開されています。 - **Training setup** *v0/v0.5* は GeForce RTX 4060 GPU、i5‑13400F CPU、および 16 GB RAM を使用しました。 *v1* と *v2mini‑eval1* はレンタル NVIDIA A100 SXM GPU 上で訓練されました。 - **Tokenization & evaluation** 時代固有のスペリングと語彙に対応するカスタムトークナイザー（vocab.json & merges.txt）を構築しました。出力は言語的正確さ、幻覚率、およびトークナイズ品質で評価され、バイアス統計は別途 v2 バイアスレポートに記載されています。 - **Future work** 今後の計画として、完全版 90 GB v2 データセットへの拡張、トークナイザーパイプラインの改良、およびより深いバイアス分析を実施します。 - **Impact** このプロジェクトは、歴史家・教育者・AI‑ethics 開発者が時代に即した言語モデルを必要とする際に有益であり、現代バイアスを減らすための時間的選択訓練（temporal selective training）の具体例として NLP コミュニティにも貢献します。 ```

2026/01/13 5:26

ファブリス・ベルラール氏のTS Zip（2024）

## 日本語訳： **概要** ts_zip は、GPU を活用したテキスト圧縮ツールであり、RWKV 169M v4 大規模言語モデル（パラメータを 8 ビットに量子化し、BF16 で評価）を使用してトークン確率を予測し、その予測に基づいて算術符号化を適用します。従来のツールよりも高い圧縮率を達成しています： - alice29.txt – **1.142 bpb**（21,713 B） - book1 – **1.431 bpb**（137,477 B） - enwik8 – **1.106 bpb**（13,825,741 B） - enwik9 – **1.084 bpb**（135,443,237 B） - linux‑1.2.13.tar – **1.021 bpb**（1,196,859 B）。 RTX 4090 上では、ツールは約 1 MB/s の速度で圧縮し、同程度の速度で解凍します。システムに少なくとも **4 GB の RAM** があることが前提です。ts_zip は実験的なものであり、バージョン間の後方互換性は保証されません。また、その性能評価は GPU／CPU またはスレッド数に依存せず、決定論的に行われます。この手法はプレーンテキストファイルで最も効果を発揮し、バイナリデータではエントロピーの削減がほとんど得られません。主に英語で訓練されていますが、他言語やソースコードにも比較的適切に対応します。ダウンロードリンク： - Linux tarball: `ts_zip‑2024‑03‑02.tar.gz` - Windows ZIP: `ts_zip‑2024‑03‑02-win64.zip` 将来のリリースでは、圧縮率をさらに向上させ、言語サポートを拡大し、可能ならファイルタイプの取り扱いを追加しつつ、ハードウェア間で評価が再現できるようにすることを目指します。GPU リソースを持つユーザー（データアーカイブ担当者や大量テキストコーパスを管理する開発者など）にとって、速度を犠牲にせず高い圧縮率を実現できる最適なツールです

Clearspace（YC W23）は、応用研究者（機械学習）を募集しています。