Show Notes
今回は PDF などのドキュメントを AI フレンドリーな形式に変換するツール Docling と、それがサポートする規格の一つである DocLang について紹介しました。PDF がなぜ AI にとって読みにくいのか、その課題と Doclingがどのようにレイアウト分析や VLM を活用して変換を行っているかを解説しています。
注: エピソード内で Docling に関する technical paper が 2024年12月に出ていると言及しましたが、初版は2024年8月でした。
リスナーコメント紹介 / PDF が AI フレンドリーでない理由 / Docling の変換パイプライン / レイアウト分析と VLM の活用 / DocLang の XML ベース形式 / 位置情報の量子化 / Claude Code での PDF 読み込み
参考リンク Docling (GitHub): https://github.com/docling-project/docling
DocLang (GitHub): https://github.com/doclang-project/doclang
LF AI & Data Projects: https://lfaidata.foundation/projects/
Anthropic API の PDF サポート: https://platform.claude.com/docs/en/build-with-claude/pdf-support
More from Tech Table Log: 同期エンジニアの雑談・勉強ログ
PostgreSQLをドキュメント、ベクトル、全文検索、時系列、地理空間データ、メッセージキューとして活用する設計思想を解説した書籍の翻訳プロジェクトについて解説します。
Sebastian Raschka さんのブログをもとに、話題の GPT-6 Astra について「何が良くなったのか」「推測されているアーキテクチャ」「トークン効率」の3点から振り返りました。Mac mini / Mac Studio を操作対象にした強化学習で強くなった PC 操作、2018年の Universal Transformers に端を発する Looped Transformer や Mixture-of-Recursions、賢いモデルほど少ないトークンで答えにたどり着くという話と reasoning trace の監視性の論点などを話しています。
PostgreSQLの公式コミュニティにより「Significant Contributor」に認定されたShinyaの実体験を元に、大規模OSSコミュニティへの貢献プロセスと歩みについて解説します。
前回に引き続き対面収録で、2人が最近「始めたこと」と「やめたこと」について雑談します。 ポッドキャスト1周年 / オーダーメイドインソール / 睡眠トラッキング / Claude Cowork で栄養管理 / 筋トレとパーソナルトレーニング / 耳栓で睡眠改善 / Xをみなくなった話 / vibe codingと腰痛 / ELSA / 英語学習 / ディズニー英語
Lon が Cloudflare 社の OSS プロダクト「Cloudflare OS」を紹介するエピソードです。機能紹介ブログと CIO によるブログの 2 本をもとに、エージェント用ワークスペース、セキュリティとアクセス権限管理、アプリの配布・共有という 3 つの柱を解説しています。データアクセス権限だけでなく AI が生成したアウトプットに対する権限管理まで考慮されたセキュリティ設計や、ノンテクニカルな人にも使いやすくするための工夫、V1 の課題を踏まえた V2 の設計思想についても取り上げています。