2026/10/17 2:08

ピラミダル（YC W24）求人中

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

要約▶

Japanese Translation:

ピラミダールは、リアルタイムニューラルモニタリングプラットフォームのインフラストラクチャ構築・スケーリングに特化したフルタイム職として、ニューヨーク本社にシニアバックエンドエンジニアを招募しています。この職位には年間ベース給与 25 万ドルから 30 万ドル、株式報酬、包括的な福利厚生、および日給制ランチ予算が付属します。応募者は、Python（並行処理、テスト）および Go に精通し、少なくとも 5 年以上のバックエンドシステムの設計・運用経験、コンテナ化／オーケストレーション（Kubernetes が好適）、リレーショナルデータベース設計、イベント駆動型／ストリーミングアーキテクチャに関する知識が必要です。主要な責任には、神経学的時系列データのハイレートストリームの管理、臨床ワークフロー向け API の拡張、および ML エンジニアと連携して研究用モデルを本番環境への推論へ展開しつつ、健全な可観測性（メトリクス、アラート、容量計画）を確保するとともにサイバーセキュリティ、トレイサビリティ、変更管理に関する医療機器規制の厳格な遵守が含まれます。この役割は、ピラミダールの使命である電気生理学的脳データのためのファウンデーションモデル構築をサポートし、大規模ニューラルデコーダーを実現することで発作検出を加速し、臨床現場における人間と脳のインタラクションを前進させることを目的としています。応募者は、厳格な 3 段階の面接プロセス（初期のアライメントスクリーニング：30 分、技術スクリーニング：1 時間、およびコーディング問題、システム設計、製品セッション、Q&A を含む対面での最終ラウンド）を経て採用されます。

本文

ピラミダール社リアルタイム神経モニタリングプラットフォームのバックエンドエンジニア募集

ピラミダール社は、リアルタイム神経モニタリングプラットフォームの構築・拡張を担うバックエンドエンジニアを求めています。本ポジションは、高スループットのストリーミング処理や医療機関レベルの信頼性といった重要な課題に直面します。

勤務地: ニューヨークオフィス（週 5 日勤務、常勤）
出社要件: クライアント先への出社が必要となる場合があります。
応募資格: 米国での就労資格を有する方のみご応募ください。

【役割内容】

開発・運用およびシステム保守に関する主要なタスクは以下の通りです。

サービス開発: 神経データなどのリアルタイムストリームデータを取得・変換・配信するためのPython および Go ベースのサービスを開発・運用します。
パイプライン設計: 高周波数時系列データ（生データから各種導出データまで）を対象に、データモデル、取り込みパイプライン、保存戦略の設計・保守・改善を行います。
API 拡張: 臨床ワークフローを支える API の開発と拡張に従事します。
実装連携: ML エンジニアと連携し、研究成果を本番環境での推論システムとして実装・運用に移行するとともに、継続的な有効性を確保します。
可観測性向上: メトリクス、アラート、キャパシティプランニング、インシデントフォローアップを通じて、プラットフォームの信頼性を向上させます。
コンプライアンス対応: セキュリティ、トレーサビリティ、変更管理を含め、規制対象となる医療機器としてのソフトウェア開発標準に沿った製品構築に参画します。

【ご期待される背景】

実務経験と技術力に関する必須要件です。

実戦経験: 実稼働環境でのバックエンドシステム構築・運用経験が5 年以上。
課題解決力: あいまいな課題から出発し、監視下にある実行可能なサービスへと引き上げるまでの責任を持って取り組める能力。その判断理由について口頭および文書で説明できること。
ストリーム処理知識: イベント駆動型システムの運用経験（パーティショニング、チェックポインティング、バックプレッシャー制御、at-least-once 配信など）。
Python スキル: 並行処理（スレッド、プロセス、asyncio など）やテストまで含め、高い Python スキル。
コンテナ技術: コンテナ化およびオーケストレーションに精通しており、Kubernetes の使用経験が望ましい。
DB スキル: シーマ設計からクエリパフォーマンス最適化までの堅牢な関係型データベーススキル。

【歓迎するスキル】

以下の経験があれば尚更显優遇されます。

Go ランタイム: ネットワーク連携または低遅延サービス向けの実績、特に Go の経験。
クラウド活用: Azure サービス（Event Hubs, Service Bus, Web PubSub, Blob Storage, AKS など）の活用経験。
データ形式: Apache Arrow、Parquet、あるいは他の列指向フォーマットに慣れ親しんでいること。
映像処理: 映像ストリーミング、ストレージ、および処理の経験。
低遅延要件: ミリ秒単位の低遅延が求められるシステムでの実績。
データエンジニアリング: スケールレベルにおけるデータウェアハウス構築の経験。
モデル配信: モデル配信（PyTorch など）の実績。
業界経験: 医療分野あるいは他の規制対象ソフトウェア環境での就業経験。

【当会社について】

私たちは、電気生理学的脳データを扱う画期的なファウンデーションモデルを構築しています。

ミッション: 人類が脳という言語を理解し、対話することを可能にするスケーラブルな神経デコーダーの実現を目指します。
最初の製品: 最先端のモデルをリアルタイムの臨床ワークフローに導入し、医療従事者が痙攣をより速く検知・対応できるよう支援するシステムです。

【報酬と福利厚生】

基本給: 経験とスキルに応じて $250,000 – $300,000。
株式付与: 意味のある株式報酬計画を採用しています。
健康保険: プレミアム医療保険、歯科、視力プランを含む包括的な保障を提供します。
特典: 毎日のランチ予算を設けています。

【採用プロセス】

選考ステップは以下の通りです。

初期面接（30 分）
- タイミング、経験、そして期待値の整合性を確認するための議論を行います。
技術選考（1 時間）
- Google Meet を通じて実施します。
最終ラウンド（対面）
- コーディング課題: 1 時間
- システム設計課題: 1 時間
- プロダクトセッション: 1 時間
- その他質疑応答: 20 分

同じ日のほかのニュース

一覧に戻る →

2026/10/17 4:47

FLUX 3 イメージ・クライン

## Japanese Translation: Black Forest Labs は、テキストから画像への変換、ピクセルレベルの編集、および複数参照（最大 10 件）を用いた生成を実現するために設計された、56 億パラメータを有する画期的なオープンウェイトモデル「FLUX 3 Image Klein」を公開しました。内部評価においてオープンモデルで首位にランク付けされ、Ideogram V4.5 や FLUX.2 よりも少ない 38% パラメータ数ながら、消費ハードウェア上で優れた効率性を発揮し、より大規模なモデルを上回る性能を発揮しています。本モデルは、微調整用のベースモデル（〜11.2 GB VRAM[BF16]または 5.6 GB[FP8]を必要とします）と、低遅延生成に最適化されたステップ蒸留版の 2 つのパッケージを提供します。NVIDIA との提携を活用し、ComfyUI または Diffusers を通じて RTX シリーズの GeForce GPU（VRAM 8GB 以上でも動作可能）上で FP8、INT8、NVFP4 のビルドを実行できるように対応しています。生成速度は印象的で、RTX 5090 では約 4 秒で 1MP の画像を、RTX 4070 では 9 秒未満で生成でき、将来のハードウェアではサブ秒単位の生成が可能になる可能性があります。FLUX Kommunity License の元、年間の収益が 500 万ドル未満の企業には商用利用が無料で許可され、ただし出典表示は必要です。今後の計画として、プロンプトアップサンプリングなど高度なタスク向けの有料 API を提供する予定です。主要ライブラリからの Day-One サポートと、Cinder によるセーフティレッドチームingiの実施により、このリリースは個人クリエイターおよび中小企業にとって高品位の視覚制作ツールの民主化を推進します。

2026/10/17 3:55

Claude が ECDSA 曲線の由来を明らかにする

## Japanese 翻訳： 2026 年 10 月、Anthropic の研究者 John Wood、Henry de Valence、Ava Howell および他が、NIST の素数曲線（FIPS 186-2）に対して長年にわたり専門家を困惑させてきた ECDSA 曲線のシードの起源について調査しました。これらのシードは、NSA が 2000 年に提供したパラメータです。ユーモアに満ちた理論では、Jerry Solinas が「Bob と Jerry に昇給を」といったパスフレーズからこれらを生み出したと提案されていましたが、Claude の高度な手法（LLL ベースの基底削減を含む）による分析により、シードはランダムなハッシュではなく、素数曲線については 1997 年 5 月と 1998 年 4 月の間の Unix タイムスタンプで種付けされた C ライブラリの `lrand48` 関数の出力であり、バイナリ曲線については 1984 年 2 月かその半分としたタイムスタンプ（1998 年 4 月 17 日に対応）からの出力であることが明らかになりました。この手法は各候補あたり 20 バイトをサンプリングし（例：P-256 の場合は 1,842 回反復が必要）、さらに、6 つの曲線の基点 G は FreeLIP の RNG を特定のある整数シード（例：P-192 では 20,000）で使いながら生成されていることが判明しました。ただし、P-224、P-256、P-384、P-521 および一部のバイナリ曲線候補の基点についてはまだ説明されておらず、特に第 5 のバイナリのシード（B-163）は未解決のままです。これらのシードを見出すため、インターネットセキュリティ研究グループへの寄付を含む賞金として 36,864 ドルが設定されており、Jerry Solinas に追悼の称賛を与えるとともに、基礎的な暗号規格への透明性を向上させることを目的としています。

2026/10/17 3:32

ブレイクされたPS5で動作する Llama.cpp：コンソール上で GGUF モデルを任意にネイティブ実行可能

## Japanese Translation: PlayStation 5 は、クラウドサービスや追加のハードウェアを必要とせず、コンソール上で高度なプライベート AI モデルをローカルに動作させるようになり、特にファームウェア 7.00–13.60 を搭載したジャイブされた PS5 コンソールを対象としています。llama.cpp の改変版（Vulkan バックエンドおよび共有メモリを採用）を利用することで、RDNA 2 GPU 上で直接多様な人工知能アプリケーションを動作させるためにメモリおよびキャッシュの使用方法が最適化されています。このセットアップは etaHEN という特定のインストールペイロードを必要とし、既存のジャイブツールである kstuff-lite および ShadowMountPlus（推奨ツールには elfldr と ftpsrv が含まれる）と統合されます。アプリケーションインターフェースはデュアルショックコントローラーによる操作でアクセス可能であり、Home、Models、Console、API、Settings のセクションを含んでいます。ユーザーはすぐに画像分析や Gemma 4 および MiniCPM-V などの中級モデルに対するチャットコンプリートなどの強力な機能をアクセスできます。リアルタイムのパフォーマンス監視は `ps5-exporter` が担当しており、温度、消費電力、GPU、CPU ロードなどのメトリクスを表示します。アプリはロードされた GGUF モデルに対して利用可能なメモリの中で最长的なコンテキストと最適なキャッシュ適合を自動的に選択し、Hugging Face から内部ストレージ（M.2）または USB ドライブへのダウンロードによって管理できます。特に注目すべきは、小さなモデルが PS5 Slim ハードウェア上で最大 207 トークン/秒の驚異的な速度を実現しており、モデルサイズと量化に基づいて ~20～207 トークン/秒のパフォーマンス範囲があることです。今後の更新では、USB ドライブまたは内部ストレージからロードされる新しいファイルに対する自動管理メモリ割り当てが含まれる可能性が高いです。この進歩により、愛好家は専用の API エンドポイント（`/v1/systemone`）および標準チャット API を通じて Ollaya 駆動の Jev 様（Clef、OpenJev など）といった高度な意思決定モデルと直接相互作用できるようになり、ゲームコンソールのローカル AI パフォーマンスにおける大きな飛躍を達成しながらも、完全なプライバシーを保ち外部データ依存性を排除します。インストールには `PPSA99575` フォルダを `/data/homebrew` にコピーし、`http://<console>:8081` でサーバーにアクセスする必要があります。