Work
機械推論、モデル評価、検索、ネイティブメディア、応用研究における主要なシステム。
- Aug '26
Rkive AI · カメラエフェクトエンジン
クロスプラットフォームの顔エフェクトパイプライン
肌、メイク、幾何学的なリシェイプを扱う23項目のカメラエフェクト。10項目のバイポーラなリシェイプ制御は、0 で厳密な恒等変換を保つ。画素単位の色処理は一つの Core Image カーネルへ、すべてのリシェイプは単一の warp パスへ統合される。スムージングは局所分散を使って真のエッジをぼかさずにテクスチャだけを選択的に抑え、リシェイプ量はロール不変の顔基底で定義する。
プレビューとエンコードを通したフレーム一貫性
iOS のセグメンテーション、エフェクト、合成はメインスレッド外で一度だけ実行し、プレビューとエンコーダーが共有するバッファへ書き込む。最新フレーム優先のスロットが古いフレームをキューに積まず破棄する。録画解像度はフィッティングしたレイテンシモデルから選び、より小さい目標で 30 fps を回復できると予測される場合にだけ下げる。
- Jun '26
Rkive AI · メディアコンポジット
FFmpeg レンダリングと対になる Canvas2D 実装
ブラウザのプレビューは、サーバーのレンダリングを Canvas2D で再実装している。色処理、crop、zoom、overlay、実測した文字配置が、WebCodecs の書き出しと同じ描画経路を共有する。難しいのは意味上のパリティであり、プレビューを離れた瞬間に編集結果が変わらないよう、FFmpeg の幾何と色の振る舞いに合わせることにある。
iOS でのデュアルデコーダー合成
iOS の合成では、デコーダーを交換可能なソースとして扱わず、固定されたデコーダースロットを使う。次のクリップをカット前に準備し、観測したデコーダーの準備時間に合わせてコンポジターが先行時間を調整する。これにより、遷移タイミングを端末固有の待ち時間の寄せ集めではなく、計測されたスケジューリング問題として扱える。
Android の合成と、ローカル FFmpeg の層
Android は iOS と Skia コンポジターを共有し、その下にプラットフォーム固有のローカルエンコード層を置く。プレビュー映像は音声ミックスとともに再エンコードしてタイムスタンプを保ち、両立するフィルター段階は融合してデコードとエンコードの反復を避ける。ネイティブの差異を否定せず、その上に共通の合成ロジックを置いている。
合成・端末・クラウドの間の振り分け
合成、ローカルエンコード、クラウドレンダリングは、明示的な capability snapshot から選ばれる三つの品質・レイテンシ層をなす。サーバーは render plan を満たせる端末にだけジョブを提示し、パリティテストがその出力を基準レンダラーと比較してから、その経路を信頼する。
- Jun '26
albertoluengomartin.com · このサイト
DOM をパーティクルにする ASCII 層
モーションを有効にすると、テキストを目に見える形で描くのは常駐するキャンバスだけになる。DOM は color: transparent のまま、レイアウトとアクセシビリティツリーを保持し、[data-ascii-zone] の各要素は遷移ごとにパーティクルへ再サンプリングされ、毎フレーム、その時点の rect に再アンカーされる。内部リンクのクリックはキャプチャフェーズで捕らえて router.push を遅らせるため、次のページのテキストと画像は、前のページの文字から凝集して現れる。
- Jun '26
Rkive AI · ボイスモード
全二重セッションなしのターンテイキング
client の音声認識が chat と同じ text agent へ入力を渡し、speech synthesis が応答を返すため、別の realtime voice agent stack を持たずに済む。turn の終了は認識器の final result と silence detection を一つの latch でまとめる。割り込みは audio level と partial transcript の手掛かりを組み合わせ、microphone amplitude を公開しない browser にも適応する。
- Jun '26
Rkive AI · 統合エージェントシステム
私有データとウェブを横断するグラフ制約付き検索
一つの検索経路が、利用者に許可された workspace と web を横断する。memory を踏まえた意図の書き換えが私的な語彙を解決し、型付き関係グラフが候補を絞り、残った候補を意味、語彙、構造の信号で順位付けする。結果はファイル名だけでなく、根拠となる箇所を引用する。
監査可能なメモリ層
記憶は、システムが判断を変えたときに消えるのではなく、pending、active、superseded、retracted という明示的なライフサイクルを通る。retracted の記憶は監査可能なまま残るが、プロンプトへ再投入されない。蒸留された信念には人間の承認が必要で、確信度と元の agent run の来歴を保持する。誤りとされた run は将来の蒸留から除外する。
承認ゲート付き先回りエージェント
先回りの提案は opt-in と頻度制限の下に置き、ツールを実行する前に人間の承認を待つ。各提案には平易な理由と、それを生んだ event まで辿れる来歴を添え、必要な場合は型付きの action payload も持たせる。選出された一つの worker だけが実行を担い、複数の orchestrator による二重処理を防ぐ。
会話のルーティングとコンテキスト圧縮
圧縮は一度の要約ではなく、優先度の階層として行う。検索された根拠は原文のまま残し、周辺的な文脈は圧縮し、コンテキストが満ちるにつれて有用性の低い部分から落とす。会話のルーティングは意味的な一致と新しさを組み合わせ、候補が明確に優位な場合だけ行き先を提案する。繰り返し却下された提案は学習し、執拗に出し続けない。
統一された添付モデル
media と document は一つの content-addressed attachment model から入り、それぞれが属する conversation の関係を保つ。visual media には再利用可能な description を付け、document は抽出、分割、index 化して retrieval に使う。prompt guard は現在の turn の添付と過去の conversation から想起した内容を区別し、読めなかった file は明示する。
- May '26
ARC Prize · ARC-AGI-3
一つのオラクル契約、三つのバックエンド
メソッドは一つ——query(state, memory) が推論と行動を返す——で、その背後にスクリプト化された教師、API 越しの実モデル、そのトレースから蒸留したローカルの LoRA が並ぶ。難しいのは同一性の担保である。リーク除去モードを持つ状態シリアライザは一つ、GBNF 文法も一つで、vLLM の guided decoding 設定と HF の logits をマスクする Earley の接頭辞認識器がそれを共有し、システムプロンプトは収集時と評価時でバイト単位で同一。プロンプトの不一致で認識率は 85.7% から 40% に落ちた。現在のシステムは、2026 年 10 月時点で Kaggle の 3,915 人中 175 位に入っている。
グラフ探索の上に載る学習済みステアリング層
32 次元の理解ベクトルのうち次元 0〜5 は、16 個の観測特徴量を入力とする 6 クラスのアーキタイプ softmax である。25 ゲームのソフトラベルに勾配降下で当てはめ、in-sample の top-1 は 88%。アーキタイプごとのサブネットワークが、アーキタイプ確率と確信度でスケールしたクランプ済みのデルタを、27 フィールドのディレクティブに書き込む。この層は走査順には一切触れない。系統的な探索に偏りを入れる試みは三度とも退行した（空間的新規性のみの場合、sk48 は解けていたものが解けなくなり、m0r0 は 0.081 から 0.002 になった）。
自ら動くものをマスクする
キーボードのみのゲームで、色ごとにそのセグメントが変位した回数を数える。遷移が 8 回以上たまった時点で、プレイヤーと背景を除き、そのうち 20% 以上で変位している色は MD5 の状態ハッシュから外れる。一つ見つかるたびにグラフ全体を遡ってハッシュし直す——衝突したノードを統合し、辺の宛先を張り替え、自己ループへ降格させる。しきい値は経験的なもので、30% では tu93 の巡回を取りこぼした。ls20 は一意な状態数が 1,931 から 1,454 になり、解けた。
証拠で重み付けしたランダムウォークのフォールバック
学習した信号を置く場所として最も安全なところ。系統的な探索の順序に偏りを入れると、既に解けていたゲームが壊れ続けた。すべての辺を試し終えてフロンティアにも到達できなくなると、辺は約 9 個の証拠項の積でサンプリングされる——訪問回数の逆数、深さ、空間的新規性、行動ごとの変化率と新規性率、行動のバイグラム、no-op ペナルティ——で、行動由来の証拠項は合計で約 3.2 倍に抑えてある。g50t では、リセットが 2,354 回から 21 回、一意な状態数が 442 から 1,824 になった。
- May '26
Rkive AI · Atlas
正直さの規則を持つ 3D 埋め込みアトラス
各項目では、高次元の埋め込みと三次元の見え方を分けて保持する。nearest-neighbour、substitute、between、steer の順位付けは元の幾何で行い、画面上で近く見えるかどうかは使わない。各射影には近傍保存率を添え、美しい図が元の構造をどれだけ保っているかを見えるようにする。
個人データからのリクエスト単位アトラス生成
権限で限定された workspace のソースから要求時に生成し、元のレコードがすでに持つ埋め込みを再利用する。ソースごとの障害を分離するため、一つのカテゴリが利用不能でも表示全体は失われない。結果を個人データの二つ目のコピーとして書き戻すこともない。シード付きの疎な射影により、入力集合が同じなら配置も安定する。
スキーマ制約付きアトラス合成
構造化されたモデル呼び出しが、軸、エンティティ型、疎なスコアというアトラスの語彙を提案し、幾何は決定的なアプリケーションコードが担う。軸は球面上に分散させ、位置には手作業のアトラスと同じ star coordinates 射影を使う。内容の薄い提案、重複、形式不備は、意味のある地図に見せかけず拒否する。
- May '26
Independent research · 調香
型付きの調香オントロジー
調香を、ノートの平坦な一覧ではなく、原料、分子、アコード、記述語、用途を結ぶ型付きグラフとして表す。意味埋め込みで類似性を扱いながら、明示的な感覚語彙によって解釈可能な関係も残す。記述語のプロファイルは star coordinates で射影できるが、視覚的な地図と、その根拠を混同しない。
原料単位の匂いデータセット
香料原料、その構成分子、料理の食材を一つの幾何に収める。ノード 86,065、型付き辺およそ 131 万。統合はまず InChIKey で行い（カバー率 88%、不足分は RDKit で SMILES から補完）、続いて CID、CAS、正規化した名称の順に見る。原料はそもそも化学的な同一性を持たない混合物なので、修飾語を落とす名称正規化で統合する。消費者向けのノート層は引用にとどめ、再配布はしない。その代償が原料ノード 3,216 件である。
リークを統制した匂い表現
同じ匂いグラフ上の 300 次元レンズが五つ。うち三つ——使用、化学、分子構造——はリークがなく、InChIKey で分割したホールドアウトの記述子予測で、それぞれ自身の prevalence prior と対比して評価する。この三つのうち prior を超えるのは構造だけで（micro-AUROC 0.887 対 0.790）、使用は超えない（0.725 対 0.748）。3 アーム・5 シードの ablation でも、これらを融合して良くなることはなかった。エージェントに組み込むと、この埋め込みツールはグラウンディング済みのエージェントの性能を三つのフロンティアモデルすべてで下げる。