Taka (@SGdatasc) header
Taka (@SGdatasc) profile picture

Data Scientist. I love Data Science, BigData, and High Performance Computing. MSc Biz Analytics in Singapore. MEng CS and BSc Physics in Japan. つくば英検 合格

Singapore
Joined August 2016
Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)Photo by Taka (@SGdatasc)
Taka retweeted
Finally... AI trading system that I trust with my money Built on Jane Street’s rules, the firm behind ~10% of US stocks 6 GrokBot + Opus 5.5 agents find, test and kill trades 24/7 while you sleep In this article, I show you how to build it:
37
83
19
610
987,986
Two years ago, we released Genesis, a universal physics engine for robotics. Today, I’m excited to announce 🍎 Eden — a robot learning framework built from the ground up for agents, unleashing full potential of Genesis. One task definition. From simulation to real robots. Sim-to-sim and sim-to-real just got easier. Coding agents build tasks 1.6–4× faster than in Isaac Lab. 🧵 1/11
42
134
32
739
111,489
どう見てもPS3にしか見えない奇跡の1枚すぎる
163
8,211
335
134,277
6,157,752
XTX Marketsが語った「大規模深層学習で取引する」ということ(ICML 2026講演まとめ) ロンドンのクオンツ会社XTX MarketsのResearch Director、Atlas Wangさんの招待講演を、動画とスライドで確認しました。手法の具体的な数字は社外秘で、明かされていません。 ■ XTXとは 株・為替・債券・暗号資産など5万以上の商品を予測し、全自動で1日3,000億ドル超を取引しています。社員は約250人で、研究者は約30人です。 ■ 高頻度は「より良い関数」の勝負 ミリ秒〜分の取引では、入力(板・約定)がほぼ決まっています。だから新しいデータを探すより、予測モデルの良さで勝負が決まります。 ■ 金融データは少なくない NASDAQだけで年に約1,000億件の気配データがあり、LLM並みの量です。2019〜20年ごろからTransformerを使っていて、今はGPT型で十分だそうです。学習には数十万枚規模のGPUを使い、本番の予測は専用チップ(ASIC)で動かしています。 ■ 難しさ ノイズが多く、相場の性質も変わり続けます。「きれいなデータ」が定義できないので、データを整えてから学習することができません。それでも、モデルを大きくするほど性能は上がるそうです。 ■ 4つの未解決問題 1. 汎用の時系列基盤モデルは、金融にはあまり効かない 2. AIエージェントに勝てる売買ルールを探させるのは、想像以上に難しい 3. 数日〜数か月の成績は当てにならず、評価には最低1年が要る 4. シグナルの寿命は5年前の約100分の1。だから継続学習が欠かせない ■ 感想 いちばん響いたのは「短期の勝ちを実力と思うな」という話でした。評価の厳しさは個人でも取り入れられそう。 講演動画 slideslive.com/39084408/xtx-…
2
23
1
288
20,513
男の子ってこういうので興奮するんでしょ❤️?
102
724
170
5,150
182,973
🇯🇵 JAPON 3 – 2 BRÉSIL 🇧🇷 Une magnifique victoire du Japon face au Brésil ! Ce match était loin d’être une simple rencontre amicale. Dès le coup d’envoi, les deux équipes ont affiché une véritable volonté d’en découdre. J’ai particulièrement apprécié l’état d’esprit du Japon , un pressing très haut, une défense agressive, beaucoup d’engagement et une capacité remarquable à récupérer les ballons pour se projeter rapidement vers l’avant. Le Japon a su imposer son rythme et perturber une équipe brésilienne pourtant riche en talents individuels. Cette victoire confirme les énormes progrès réalisés par cette sélection, notamment dans sa confiance, sa discipline collective et sa capacité à regarder les meilleures nations du monde sans aucun complexe. Le Japon a aujourd’hui les moyens de regarder encore plus haut. Bravo aux joueurs, bravo au staff et bravo au football japonais !💪❤️⚽️🇯🇵 #daihyo
152
2,801
120
25,764
528,405
最近勉強会などで会う人に、この自然言語処理の本の現物を見せてオススメしてる。 多分10人以上にその場で注文してもらってるけど、表紙を見せるだけだとピンと来てなくて、ページを開き始めると瞳孔が開いて、高確率で注文される。 こういう本は長く売れるんだよな〜😊 link.amazon/B0ck5pLjQ
1
29
1
175
9,852
『バイキンマン』……? それは白人が勝手に聞き間違えて読んだ名前 直訳は『ベイキングマン』 我が部族の言葉で「パンを焼く者」と呼ばれている
58
5,231
95
33,489
1,246,715
Taka retweeted
交渉完了!$144も払っていたのが(払い過ぎ)、無事$60にreduceされた。この間けっきょく自分は一度も担当者と会話をしておらず、コミュニケーションレイヤは完全にMuse任せ。いやー、これは米国生活が楽しくなってきたな?
29
3
181
11,253
We found a way to scale humanoid control that reduces GPU-hours by more than 1000×. Across 129,514 motions, SuperMimic surpasses the state of the art (128 GPUs, 7 days) with 1 GPU in 3 hours. Project: supermimic.github.io Demo: supermimic.github.io/demo/
97
316
124
1,907
288,563
書きました。 これ読んだ取引所の中の人へ: MM のオファーください
9
175
52
2,582
454,928
Fable 5.2 に 「ルービックキューブ×数学の分野で、3分くらいの興味深い動画を作って。中学生でも理解できる内容で、かつよく言われている陳腐な内容とならないように。」 とだけ指示を出して2時間待った結果。 これ本当にすごいぞ
3
213
19
1,230
94,789
【見本出来】『生活支援ロボットのつくり方:@ホームで学ぶハードウェアからAIまで』(萩原 良信 著・ 出村 公成 著・ 升谷 保博 著・ タン ジェフリー トゥ チュアン 著・ 寺田 耕志 著) kyoritsu-pub.co.jp/book/b102… ロボカップ@ホームリーグ出場者必見! AI 家具ロボット「kachaka」開発企業 CTO の解説にも注目!(11/24発売)
1
36
2
91
8,036
If you want to learn how AI agents work, I highly recommend Harvard’s CS2680. It covers how Claude Code works, how to build your own agent, and how to serve LLMs on GPUs. cs2680.seas.harvard.edu/
5
149
1,285
74,069
新しいfableもgpt6と同様に爆発的にロボティクスが上手くなり、専用ロボティクスモデルをかなりの場面で上回るようになりました。個人的にはLLMが翻訳専用モデルぶち抜いた構図とよく似ていると感じます。 ただここで面白いのは、大規模LLMのロボティクスタスクの殆どは今のところロボットアーム、つまり手に集中している点です。 足、つまり直立歩行、瞬間的な身体的操作に関わるものは引き続きLLMに比べればかなり小規模はニューラルネットワークや場合によっては古典的制御によって実行されています。 これはLLMの推論速度が遅すぎることは考えれば当たり前のことですが、そうなるとシステム1-システム2、つまり高速な身体制御の大半は小脳が受け持って、高次な判断は大脳が受け持つシステムはAIにおいても自然になると今は考えてます。
6
35
17
366
45,511