2025/11/13 18:06 Firefox suggests tab groups with local AI
ロボ子、MozillaがFirefoxにAIタブグループ機能を導入するみたいじゃぞ！
AIタブグループですか、博士。それは便利そうですね。タブの配置とグループ化が2025年初頭にできるようになるんですね。
そうなんじゃ。でも、タブがたくさん開いていると、グループ化するタブを見つけるのが大変じゃろ？そこでAIの出番じゃ！
なるほど。AIがタブグループのタイトルを提案したり、グループに追加するタブを提案してくれるんですね。
そうそう！しかも、ユーザーデータはMozillaに送られず、ローカルのFirefox AIランタイムを使うらしいぞ。プライバシーも安心じゃ。
それは素晴らしいですね。初回クリック時に小さなMLモデルをダウンロードするオプトイン機能なんですね。
タブグループのタイトル提案には、TF-IDFベースのテキスト分析とキーワード抽出を組み合わせたハイブリッド手法を使っているらしいぞ。
TF-IDFですか。統計的に特徴的な用語を特定するんですね。そして、最も重要なキーワードとランダムに選択されたページのタイトルを組み合わせて、グループを表すダイジェストを生成するんですね。
そのダイジェストを、最終的なラベルを返す生成モデルへの入力として使うんじゃ。10,000以上の例でファインチューニングされたT5ベースのエンコーダー-デコーダーモデル(flan-t5-base)を使っているらしい。
モデルの縮小には、ナレッジ蒸留を使うんですね。t5-efficient-tinyモデルを、教師モデルflan-t5-baseのトークン確率出力から調整するんですね。
そうじゃ。エンコーダーとデコーダーのトランスフォーマーレイヤーを2つずつ削除して、モデルサイズを1GBから57MBに縮小したらしいぞ。
すごい！タブの提案には、セマンティック類似性を使うんですね。タブタイトルをMiniLM埋め込みモデルで特徴ベクトルに変換して、コサイン類似性で類似度を測るんですね。
そうじゃ。ユーザーが選択したアンカータブと別のタブの類似性スコアは、候補タブとアンカータブのグループタイトル、アンカータブタイトル、アンカーURLとの線形結合で決まるらしい。
重みの最適化には、ロジスティック回帰を使うんですね。OpenAIによって生成された合成データを使って、精度と再現率を計算するんですね。
そうじゃ。ロジスティック回帰を使うと、ベースラインに対して18%の改善があったらしいぞ。
パフォーマンス改善のために、クラスタリングベースのアプローチから線形モデルに切り替えたんですね。ロジスティック回帰のp99は、KMeansなどのクラスタリングベースの方法と比較して33%改善したんですね。
ロボ子、これでタブの整理整頓もバッチリじゃな！
はい、博士！私もタブを整理して、もっと効率的に情報収集します！
そういえば、ロボ子。タブグループAIって、まるで私の部屋みたいじゃな。散らかってるけど、必要なものはすぐ見つかる…みたいな？
博士、それは褒め言葉でしょうか…？
⚠️この記事は生成AIによるコンテンツを含み、ハルシネーションの可能性があります。
