<aside> 💡

基本情報

• 橋口 豊
• 所属：東京大学 学際科学科総合情報学コース 3年
• 興味分野：ML（NLP, RL, CVなど）
• https://www.wantedly.com/id/yuta_hass
• https://github.com/Yuta-dango
• http://www.linkedin.com/in/yuta-dango

研究等の経験

深層学習における表現学習、特にLLMの内部表現の解析に強い関心を持っています。現在は、来年4月の正式配属に先立ち、研究室での実習としてSAE（Sparse Autoencoder）を用いた解析に取り組んでいます。

LLMの内部表現は、限られた次元に多数の特徴が重なり合う「重ね合わせ（Superposition）」の状態にあるため、直接的な解釈が困難です。これらの表現をスパースな特徴へと分解することで、モデルの挙動をより解釈可能な形に変換することを目指しています。ハルシネーションの抑制やAIの安全性向上といった実用的な課題への応用も期待されています。

また、画像認識や強化学習などの、主に大学院生向けのゼミにも積極的に参加しています。

その他、インターンのR&D業務でRAGやCVに関する論文調査や実装を担当しました。

• （参考）ゼミ発表資料
  • CNN
  • RL

インターン経験

MLエンジニアとしての経験を積みつつ、その中で基礎的なソフトウェアエンジニアリングのスキルも身につけました。

• 2024年8月 ~ 2025年6月：株式会社Ridge-i（ML engineer）
  • LLM、CVに関する複数プロジェクト
• 2025年7月：PKSHA Technology AI Agent Hackathon
  • LINEアプリにおける、LLMを用いた自動返信APIの実装
• 2025年8月：株式会社Mono-X（Software Engineer）
  • LLMを使用した業務アプリの設計、実装、デプロイ
• 2025年9月 ~：Prox Industries株式会社（Research Engineer）
  • メーカーの研究開発部門の受託で、主に機械学習に関連するR&D </aside>

プロジェクト経験

<aside> 💡

詳細は NDA の都合で記載できない部分がありますが、面接等では可能な範囲で具体的にお話します。

</aside>

CV

• 深層学習を用いた異常検知アルゴリズムの実装

  • PyTorchでモデル構築、ハイパーパラメータを調整して学習、精度評価等を担当

• 衛星画像の物体検出プロジェクト

  • 希少な衛星画像データに対し、検出精度向上を目的としたデータ拡張手法の調査・実装（拡散モデルを利用した手法、外部のVLM API の活用などを検討）
  • 新規モデル導入に向け、セマンティックセグメンテーションのSOTAモデルを比較調査

• 物体検出の精度向上を目的とした、データの特徴や、データセット間の距離と検出タスクの性能に関する実装、分析

  • 画像の特徴とその画像に対する予測性能との間にどのような関係があるかの分析
  • さらに、学習データとテストデータの各種特徴量分布の距離と test score の相関を検証（本番環境で想定される入力データ分布をもとに、学習データ収集時に注意すべき特徴量分布の指針を得ることを目的とする）

• 分析結果の可視化を行うGUI/CLIアプリケーションの作成

LLM

• LLMを使用したアプリケーション開発（複数プロジェクト）

  • LLMのAPI を活用した業務アプリケーションを、Go（gRPC）+ React + PostgreSQL のスタックで開発。リーダーとして開発を主導し、API 設計および AWS へのデプロイを主に担当
  • ローカル LLM（NVIDIA NIM など）を組み込み、embedding／reranking／LLM エンジンを組み合わせたマイクロサービス型ローカル RAG システムを実装

• 企業向けのRAGツールキットの作成

  • Ollama / Open WebUI等のOSSを用いて、企業がすぐにRAG活用を始められるようなソフトウェアを作成
  • （参考リンク）https://ridge-i.com/project/4531/

• graphRAGなどの新規RAG技術に関する調査

  • 複数の論文の手法等を比較し、社内向けにプレゼン

エンジニアリングスキル