2026/09/21 0:58

Mac M4 の CoreML を使用するオフライン Laya（OS Jev）（1 秒あたり 45 回の決定）

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

要約▶

Japanese Translation:

この GitHub gist は、macOS で test-laya プロジェクトの snake モデルデモを、laya-coreml パッケージを使用して実行することを簡素化します。GitHub Desktop や uv パッケージマネージャーなどを使用する開発者を対象としており、複雑なビルド設定なしで多言語 Core ML モデルを検証するための流線型のワークフローを提供します。開始するには、リポジトリをクローンし、指定されたディレクトリ構造内のダウンロード済みのモデルファイルを models/snake 内に管理する必要があります。重要な依存関係としては、「aac6fef/laya-multilingual-coreml-ane」として特定される外部モデルソースがあり、これは必要なライブラリを通じてデスクトップアプリケーションに機械学習の機能をもたらします。提供された uv インストールコマンドを使用して設定を行った後、laya-coreml-snake スクリプトを実行することで、ローカルマシーンまたは接続されたデバイス上でデモを直接起動できます。このリソースは、特定の AI モデルを既存のローカル環境に統合する際の参入障壁を大幅に低下させます。依存関係と構成の詳細を管理することで、開発者は環境設定ではなくアプリケーションテストに集中でき、日常的な使用における高度なモデル統合をより容易にします。

本文

Laya-Multilingual-CoreML を Python で実行する手順

以下は、

laya-coreml

モデルをローカル環境にインストールして実行するための手順です。

1. ワークスペースの作成

ターミナルで新しいフォルダを作成し、移動します。

mkdir test-laya
cd test-laya

2. プロジェクトの初期化と依存パッケージの追加

uv

を使用してプロジェクトを初始化し、必要なライブラリを追加します。

プロジェクトを初期化する：
```
uv init
```

laya-coreml[demo]

パッケージをインストールする：

uv add 'laya-coreml[demo]'

3. モデルのダウンロード

指定されたリポジトリから CoreML モデルをローカルにダウンロードします。

ダウンロード先ディレクトリ：
```
models/snake
```

使用コマンド：

hf download aac6fef/laya-multilingual-coreml-ane --local-dir models/snake

4. モデルの実行

インストールしたスクリプトを使用して、ダウンロードしたモデルを起動します。

実行コマンド：

uv run laya-coreml-snake --model models/snake

同じ日のほかのニュース

一覧に戻る →

2026/09/21 2:38

サムスン電子は、HBM4 と HBM4E ドラムの生産量を 2 倍超と予測されています。

## Japanese Translation: サムスン電子は、高付加価値な HBM4 メモリ製品（第 6 世代および来期の第 7 世代バリエーション）へのシフトを強化し、高度な 6nm 技術を用いた量産が既に開始されています。総年間生産量は今年にほぼ 40% 増加して約 25 万ウェハと予測される一方、次年度には HBM4E の生産を加速させることで、特定の HBM4 製品への生産量を倍以上に増やす計画です。この積極的な拡張は、主にガラスキャリアの供給が大幅に増加することに依存しており、これは高層スタック（12 レア層以上）の重要なサポート層となります。ガラスキャリアの供給量は今年 2 万枚／月から、来期には 5 万枚／月へと増加します。結果として、HBM4 ファミリーがサムスンの総メモリ出荷量に占める割合は、現在約 40% から次年度には 80% に上昇する見込みです。この成長を持続するには、ウェーファーの歪み制御を maîtriser し、外注洗浄オペレーションのスケーリングを行うことが不可欠であり、これらがサムスンの将来のメモリビジネスにおいてサプライチェーンの調整と技術的な精度が極めて重要であることを示しています。

2026/09/21 0:18

広告収集機能により、ChatGPT は他のウェブサイトでのあなたの行動を知るようになりました

## Japanese Translation: **改善されたサマリー:** OpenAI の広告収集システムが、第三者の広告主サイトにわたるユーザーの閲覧活動と ChatGPT のアイデンティティを秘密裡に結びつけることを示す最も重要な発見は、`__obi` という専用のクッキーを利用している点にあります。この仕組みは、ChatGPT 上でアカウントのアイデンティティをバインドした JWT を生成し、標準的な広告ピクセルを通じてサイト間へ送信することで機能します。これにより、ユーザーがログインしていなくても、OpenAI はユーザーの行動をプロファイルできます。「__obi」はセキュリティ設定によりほとんどのブラウザでブロックされていますが、Android の Chrome などサポートされているブラウザでは、その独自の構成（`SameSite=None`、「HttpOnly」、特定のドメインスコーピング）によってこれらの保護を回避することが可能です。その結果、広告主はターゲティングのためにユーザーのアイデンティティに直接アクセスでき、明示的なマーケティング同意なしにスクレイピングによって収集されたフォームやページテキストから医療歴や債務の詳細など機密データを露見するリスクが生じます。公開された問い合わせを受けて OpenAI はこの問題を確認し内部審査を開始しましたが、Intelligent Tracking Prevention により iOS/Safari ではこの仕組みが機能しないため、限界が存在します。

2026/09/21 0:16

海賊フェイスがLLMモデルの削除を阻止した

## Japanese Translation: Pirate Face は、主権を持つ人工知能のための分散型かつ検閲耐性のあるインフラストラクチャを提供することで、AI アクセスを革新します。Hugging Face のオープンモデルは、グローバルピアツーピアスウォームと組み込まれたウェブシードを使用して鏡映されており、ユーザーが単一の障害点を依存する必要がないことを保証しています。モデルの完全性は、公式 Hugging Face SHA-256 ハッシュに対するチェックサム検証を通じて保証され、HTTPS リンクがダウンした場合、トラフィックは耐性の高い P2P ネットワークを介して自動的にルート付けされ、モデルは"Rescued"とマークされます。基本的なブラウジングおよびダウンロードにはアカウントは不要ですが、貢献を追跡し、将来の利益を主張し、なりすましを防ぐ（検証済みクリエイターバッジを通じて）ために、検証済みハンドルは不可欠です。独自のモデルを追加するには、ピア専用マグネット、ピンされたリビジョン、ファイルチェックサム、そしてライセンス証拠（MIT、Apache-2.0、または Kimi-K3 の例外）を提出する必要があります。導入はシームレスです：既存のパイプラインは `$export HF_ENDPOINT=https://pirateface.co` を設定することで瞬時に統合でき、Hugging Face やスウォームを自動的にルート付けします。ユーザーが現在、直接の公開のために Hugging Face にコピーを保持しておく必要がある一方で、独立した公開機能は将来計画されています。参加にはポイント（例：ウェルカムポイント、紹介ポイント、救助されたモデルごとに最初の検証済みハンドルにクレジットされる 25 ポイント）が付与され、アクティブな参加者向けのフリーコンピューティングクレジットや独占モデルリリースなど、今後の機能も予定されています。最終的に、Pirate Face はホスティングのシャットダウンや外部の規制に関わらず、オープンモデルへの継続的なアクセスを保証します。