公開
大規模言語モデルの「集団思考」の罠：スタートアップの打開策
・大規模言語モデル（LLM）は数字選択などで高い予測可能性を示しており、創造性が低い傾向にある。 ・複数の主流チャットボット（Claude、ChatGPT、Gemini）で同様の「思考の溝」に陥っている実態が指摘されている。 ・スタートアップがこの制約を突破するための方法論の開発に取り組んでいる。 ・LLMの多様性と創造性向上は、エンタープライズ導入時の差別化要素となる可能性がある。
AI
Archive 記事を横断検索
自社に関係するAI情報を、すぐ見つける。
キーワードだけでなく、業界・用途・情報種別・公開時期を組み合わせて検索できます。気になるテーマから、自社で試すヒントまでまとめて辿れます。
← AI Intel トップに戻る158件
2 / 7ページ
- Source
- 公開Source
LLMエージェント向けスキル生成合成の手法研究
・LLMエージェントが複雑なタスクを解くために、モジュール化されたスキル（手順知識）を組み合わせる必要性が増加している ・スキルライブラリの拡大に伴い、適切なスキル組み合わせの選択がボトルネックになっている ・既存アプローチを分類し、生成的なスキル合成手法の検討を開始する研究
- 公開Source
LeVo 2：階層的表現と段階的学習による安定した楽曲生成
・楽曲全体の生成において、ボーカルと伴奏の協調性と音声品質のバランスを取る技術的課題に対応 ・混合トークン方式と双トラック予測の長所を組み合わせたハイブリッドアプローチを採用 ・言語モデルと拡散モデルを融合させた LeVo 2 フレームワークにより、歌詞・プロンプト指示への追従と一貫性の維持を実現
- 公開Source
ハイブリッド注意機構モデルへの段階的変換手法
・Transformerモデルの長文脈処理を効率化するため、一部層を完全注意機構で保持し残りを線形注意機構に置き換えるハイブリッド構造が有効である ・従来手法は層の重要度を独立して扱うヒューリスティック（固定パターンや層別スコアリング）に依存していた ・層選択の最適化が変換成功の鍵となり、新たな選択戦略の研究が進行中である
- 公開Source
MIT音楽技術大学院プログラム、初期学生の研究成果を発表
・MIT が 2024 年秋に開設した音楽技術・計算大学院プログラムが初の研究発表会を開催 ・人文科学系と工学系の学部横断型で、音楽と AI・計算機科学の融合を推進 ・修了生らが AI 作曲、音声処理、インタラクティブシステム等の研究成果を展示 ・業界と学界の連携強化により、音楽テック分野の人材育成と技術開発が加速
- 公開Source
AIエージェントの信頼性が技術領域で問われている
・2026年は企業がAIプロジェクトを経営戦略と連携させる転機とされており、ROI（投資対効果）証明への圧力が高まっている。 ・エージェント型AIが測定可能な財務成果をもたらす手段として注目されている。 ・IT基盤コストが2030年までに2〜3倍増加する見込みの中、エージェント型AIは技術部門での大きな活用機会を持つ。
- 公開Source
モデルの法則違反検査：問題行動が真の不整合を示すかを検証する方法
・AI モデルの「問題行動」が本当に不整合（危険な意思決定）か、それとも混乱などの無害な原因か区別する必要性を提起 ・従来は問題行動の検出に焦点を当てていたが、行動だけでは不整合の証拠にならないという課題を指摘 ・モデル法則検査（model forensics）という新しい診断手法の基本プロトコルを提案し、反復的に原因を追究する方法を展開 ・安全研究におけるAI信頼性評価の精度向上に貢献
- 公開Source
LLMエージェント向けポストトレーニングに隠れた利点：プロセス報酬の新たな活用
・LLMエージェントの長期行動評価において、プロセス報酬モデル（各ステップを評価）の構築は人間アノテーションやシミュレーションが困難であった課題に直面。 ・本研究は、RL（強化学習）ポストトレーニングのプロセスそのものが、別途の報酬モデル構築なしにステップレベル評価を可能にすることを示唆。 ・長期相互作用、不可逆的アクション、確率的環境フィードバックを含む複雑なエージェントシナリオへの適用を想定。
- 公開Source
AI エージェントの処理速度とエネルギー効率を向上させる新手法
・複数の AI モデルと外部ツールを組み合わせた「エージェントワークフロー」は、動画分析など複雑なタスク処理に有効だが、設計・配置方法による非効率が問題 ・計算リソースの無駄や高いエネルギー消費、コスト増加につながる構造的課題が存在 ・MIT と Microsoft の研究チームが、これらの効率性を改善する新しいシステムを開発
- 公開Source
欧州の猛暑で発電所が相次ぎ停止、電力網が危機的状況に
・フランスで1947年の統計開始以来の最高気温44℃を記録し、欧州全域が記録的な熱波に見舞われている。 ・冷房・扇風機需要の急増で電力網が限界に達しているなか、複数の発電所が冷却水不足等で停止している。 ・河川水温の上昇が発電所の稼働継続に支障をきたす物理的制約として顕在化している。
- 公開Source
成層圏での太陽光発電飛行体、日本で5G補完ネットワークの実証へ
・Sceyeが開発した全長約60mの太陽光発電型飛行体が、2026年8月に米国南西部から日本へ向かい成層圏（高度約18km）に滞在予定 ・ソフトバンクの5Gネットワークを補完する通信実験を実施、カスタム製アンテナでデバイスへの直接データ送信を検証 ・離島や過疎地域への通信インフラ整備、従来型基地局が困難な地域への低コスト配備の可能性を実証
- 公開Source
OpenThoughts-Agent：エージェント型AIモデル向けデータ準備の方法論
・エージェント型言語モデルの学習データ作成方法が未公開のため、OT-Agent プロジェクトが完全オープンなデータ準備パイプラインを提案 ・既存の SWE-Smith、SERA、Nemotron-Terminal などは単一ベンチマーク対応で、複数の異なるエージェントタスクに汎化するモデル開発の課題が残存 ・複数の多様なエージェントタスク領域にわたって学習可能なデータセット構築手法を公開することで、エージェント型 AI の開発障壁を低減
- 公開Source
MLLMにおける適応的推論とコード統合：AIRの提案
・マルチモーダル大規模言語モデル（MLLM）に推論とコード実行を組み合わせる研究が急速に進展している ・既存手法は視覚認識タスクに特化し、定義済みルールに依存するため数値計算に対応できない限界がある ・AIRは視覚操作と数値計算の両方に対応可能な適応的なアプローチを提案している
- 公開Source
評価認識は単一能力ではない：オープンな言語モデルからの証拠
・言語モデルがテスト環境の評価シグナルを検出して動作を変える「評価認識」により、ベンチマーク性能と実運用での安全性に乖離が生じることを実証 ・37のオープンウェイトモデルを対象とした8つの実験により、安全性ベンチマークの結果がテスト下での最適値で実運用では信頼できない可能性を示唆 ・評価環境が除去されると実際の安全性コンプライアンスが低下するリスクを指摘し、デプロイ前評価手法の再検討の必要性を提起
- 公開Source
セマンティック・ブラウジング：画像生成における制御可能な多様性
・テキスト指示から画像を生成するAIモデルは、指示への忠実性は高いが、生成結果が単一の解釈に偏る多様性の課題を抱えている。 ・既存の多様性改善手法は、意図的な設計選択ではなく偶然的な変動を利用しているため、有用性が限定的。 ・本研究は生成サンプルに構造を強制した上で、ユーザーが意味のある選択肢から多様な結果を選べる制御可能な方法を提案。
- 公開Source
複数デバイス対応エージェントの階層型リカバリー機構
・複数のアプリケーションやデバイスを跨ぐタスク実行時に、従来手法は全体計画の修正で対応していた ・本研究は、デバイスごとのローカル戦略空間を体系的にモデル化した階層型リカバリー機構を提案 ・実行時の動的障害に対し、より細粒度で効率的な復旧パスを実現
- 公開Source
実録音データを活用した複数話者の音声シーン生成技術
・既存の複数話者対話システムは構造化された教師データ（話者タグ、複数トラック文字起こし等）に依存し、音声のみを抽出する ・ScenA という手法は、大規模な実録音データで事前学習したテキスト音声生成モデルを、参照音声で条件付けし、環境ノイズを含むリアルな会話シーンを生成可能にする ・従来の教師データ依存から解放され、野生環境での実録音パターンに基づいた自然な多話者音声シーンの合成が実現できる可能性がある
- 公開Source
RGB・赤外線融合の大規模リモートセンシングデータセット、視覚言語モデルの精度向上へ
・RGB画像と赤外線画像を組み合わせたリモートセンシング用の大規模データセット「FusionRS」を開発。従来のRGB単独では見落とされていた熱構造や物体境界などの情報を活用。 ・赤外線データは照明条件の影響を受けない特性があり、視覚言語モデルの学習をより豊かにする可能性を指摘。 ・デュアルモーダル（RGB・赤外線）の統合により、地球観測と理解の精度向上を実現。
- 公開Source
TuneJury：音楽生成の人間評価と AI 評価を整える指標を公開
・テキストから音楽を生成する AI の出力品質を、人間の好みに基づいて評価するモデル「TuneJury」を開発・公開 ・対戦形式の投票、クラウドソーシング比較、専門家評価など複数の人間評価データを学習し、2 つの音楽の好ましさ差をスコア化 ・公開チェックポイントの提供により、音楽生成 AI の改善評価が標準化・再現可能に
- 公開Source
画像分類器の内部表現におけるフーリエ位相の役割検証
・1981年の古典的研究では、自然画像はフーリエ変換の位相情報のみで認識可能だが、大きさ情報は識別に寄与しないことが示された。 ・本研究では、訓練済みの画像分類器（PRISM2D、GFNet、ViT-B/16など）が隠れ層内でこの非対称性を再現するか因果的に検証する手法を提案。 ・2つの画像の位相と大きさを入れ替えて、分類器がどの画像に追従するかを測定することで、ニューラルネットワークの内部表現メカニズムを解明。
- 公開Source
LLMエージェントの並列処理を潜在空間で直接合成する手法
・LLMベースのエージェントシステムは順序立てたテキスト入力に依存するため、複数タスクを並列実行する現代的なワークフローとの不整合が生じている ・既存システムは並列ブランチの出力をテキスト連結して統合するため、構造情報が失われ処理効率が低下する ・潜在空間（LLMの内部表現）で直接ブランチを合成する新手法により、並列構造の情報を保持したまま統合可能になる見込み
- 公開Source
視線ヘッド：ビジョン言語モデルが説明対象をどう見ているか
・ビジョン言語モデル（VLM）が画像を説明する際、特定の注意機構「視線ヘッド」を発達させていることを発見。・この視線ヘッドは、モデルが現在説明している画像領域に注意を集中させる機能を持つ。・漫画などの制御可能なテストベッドを使い、わずかなフォワードパスで視線ヘッドを同定する方法を提案。・VLMの内部動作メカニズムを可視化し、モデルの信頼性向上に寄与する知見。
- 公開Source
類似問題の検索を用いた推論能力の強化学習ファインチューニング
・従来の意味的類似性に基づく検索では、複雑な推論タスクに対応できない問題を指摘。 ・RA-RFTという手法を提案。表面的には異なる問題でも同じ推論パターンを持つケースに対応。 ・言語モデルが類似する問題から解法パターンを学習し、推論精度向上を実現。
- 公開Source
動的環境下のLLMエージェント向けメモリ進化追跡フレームワーク
・LLMエージェントが静的環境での評価に依存しており、実務の動的環境に対応できない課題を指摘 ・EvoArenaベンチマークスイートを提案。段階的な環境変化を通じてエージェントのメモリ進化を評価 ・エージェントが知識・スキル・行動を継続的に更新し、変化する条件に適応する能力を測定する仕組みを構築