Laya: 事前学習なしで判断、自信度も正確

このチュートリアルでは、Convai Innovationsが開発したオープンソースの意思決定エンジンであるLayaを扱います。Layaは2026年9月に最も注目された機械学習リポジトリの一つとなりました。Layaは非自己回帰型のSystem 1モデルです。テキストを生成する代わりに、4億2100万のパラメーターを持つエンコーダーが、テキストと一連の型付き質問（ラベル間の選択、スケール上のスコア、はい/いいえ）を読み込み、単一のフォワードパスで出力トークンなしに各オプションの確率を返します。その特徴は速度と調整された確率であり、TypeSafeのJevに対するオープンな回答です。README'sの例を繰り返すのではなく、これらの約束を既知の回答を持つ実際のラベル付きデータ、CLINC150 intent datasetの銀行ドメインで検証し、本番ルーターが実際に何を得るかを測定します。具体的には、訓練済み分類器に対するゼロショット精度、オプションの文言と順序がどれだけ重要か、出荷される確率がどれだけ正直か、検証データに温度を合わせることが何を修正し、何を静かに壊すか、エラー予算に合わせた棄却ゲート、範囲外のトラフィック、温度では修復できないはい/いいえの質問、そしてpydantic schemaからの型付き出力です。<br>Copy Code Copied Use a different Browser<br>import os<br>import sys<br>import time<br>import json<br>import warnings<br>import traceback<br>import subprocess<br>import urllib.request<br>RESULTS = {}<br>def banner(title):<br> print("\n" + "=" * 78)<br> print(title)<br> print("=" * 78)<br>def section(name):<br> def wrap(fn):<br> def run(*a, **kw):<br> banner(name)<br> try:<br> out = fn(*a, **kw)<br> RESULTS[name] = out if isinstance(out, str) else "ok"<br> return out<br> except Exception as e:<br> RESULTS[name] = f"SKIPPED / FAILED -> {type(e).__name__}: {e}"<br> print(f"\n[!] {name} did not complete: {type(e).__name__}: {e}")<br> traceback.print_exc(limit=3)<br> return None<br> return run<br> return wrap<br>banner("1. Install Laya and load the English checkpoint at its reviewed revision")<br>subprocess.run([sys.executable, "-m", "pip", "install", "-q", "laya==0.3.27"], check=True)<br>import numpy as np<br>import pan