公開
GUI自動操作エージェントの自律学習と経験活用による タスク計画精度向上
・Webサイト自動操作エージェントの課題である「複雑なタスク分解」と「サイト間の汎化」に対し、自律探索と過去経験の再利用により改善する PEEU 手法を提案。 ・オープンソースの小規模マルチモーダル言語モデル（MLLM）でも、高コスト商用モデルに近い性能を実現しながらプライバシーと コスト効率を両立可能。 ・実験段階だが、Webスクレイピングや RPA 処理の自動化に応用される見込み。
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244件
10 / 11ページ
- Source
- 公開Source
サンプル実演を用いた方針内自己蒸留は出力多様性を低下させる
・単一モデルを教師・生徒として機能させるオンポリシー自己蒸留は pass@1 精度を向上させるが、生成多様性が低下する傾向がある ・正解例を条件付けした教師からの密度の高いトークンレベルフィードバックが、累積バイアスを招き pass@k カーブを平坦化させる ・複数サンプル生成による精度向上が機能しなくなるため、実用性が限定される可能性がある ・自己蒸留の設計に潜む偏りが原因で、出力の多様性と精度のトレードオフが発生
- 公開Source
AI時代に求められるウェブデータ基盤層の形成
・AIの実用化が進む中、モデルの性能向上には大規模で質の高いデータ供給が必須だが、多くの企業データはアクセス制限または非構造化状態にある ・ウェブ自体が人間向けに設計されており、AI による自動検出・取得には非効率な構造が根本的な制約となっている ・企業のAI活用を加速させるには、ウェブデータを自動的に発見・処理するための新しいインフラストラクチャ層が必要
- 公開Source
Meta、クリエイター向けAIアシスタント機能を搭載した新アプリをテスト展開
・MetaがクリエイターをターゲットにしたAIコンパニオンアプリを開発。選定されたクリエイターを対象にテスト中。 ・アプリに最近ローンチしたAIクリエイターアシスタント機能を組み込む仕様。 ・詳細な機能内容や展開予定については情報不足（記事抜粋が限定的）。
- 公開Source
IV-CoT：テキスト画像生成における構造認識の改善手法
・マルチモーダル大規模言語モデル（MLLM）によるテキスト画像生成は、物体数・空間関係・属性結合などの構造情報の保持が課題。・提案手法IV-CoT（暗黙的ビジュアル思考連鎖）は、構造計画と見た目レンダリングを分離するアーキテクチャで対応。・単一の条件付けストリーム内での情報の絡み合いを解消し、生成精度向上を実現。
- 公開Source
MIT が AI の社会的影響を探索、労働や民主主義など多角的に検討
・MIT の AI and Society Forum で、AI が労働、仕事の本質、市民言論、選挙管理など複数領域に及ぼす影響を検討 ・専門家による研究発表とパネルディスカッションを通じて、技術革新の潜在的な利益と危険性を分析 ・労働市場の変化、公共領域での AI 活用に伴う課題が主要なテーマ
- 公開Source
言語モデルのパラメータ効率化：深さ方向の非均等配置手法
・現行の言語モデル（Transformer 等）は全層に均等にパラメータを配置するが、実際には層によって出力への寄与度が異なることが知られている。・後段の層は情報を大きく変換せず、中間表現を洗練する傾向にあることから、パラメータの非均等配置が有効である可能性を検証。・深さ方向でのパラメータ効率化により、モデルサイズ削減と計算コスト低減が期待できる。
- 公開Source
Amazon Bedrock AgentCoreにウェブ検索機能が追加、リアルタイム情報への対応が可能に
・Amazon Bedrock AgentCoreにウェブ検索機能が実装され、AIエージェントがリアルタイム情報にアクセス可能になった ・学習時点での固定知識という従来の制限を超え、最新のニュースや株価、リリース情報などへの回答対応が実現 ・エンタープライズ向けAIエージェント構築において、情報鮮度が重要な用途（営業支援、カスタマーサポート等）の実装が現実的に
- 公開Source
Google Search Central Live Deep Dive 2026、ヨーロッパ開催地選定で意見募集中
・Google が Search Central Live Deep Dive をEMEA地域（ヨーロッパ・中東・アフリカ）に拡大し、開催地決定を進めている ・イベント形式は参加者が接続・学習・交流できる「最適な拠点」を重視した設計 ・SEO・検索マーケティング従事者向けのナレッジ共有イベントが地域別開催に移行する動き ・開催地選定に関しての具体的な基準や投票方法はソースに記載なし
- 公開Source
Google、「戻るボタン乗っ取り」をスパム認定へ新規約を発表
・Googleが検索スパムポリシーを拡大し、「戻るボタン乗っ取り」（ユーザーが戻るボタンを押した際の動作を改ざんする行為）を明示的な違反行為として認定。 ・該当するサイトはスパム扱いされスパム対策アクションの対象になる可能性がある。 ・ブラウザ戻る操作を悪用した誘導やリダイレクト行為が規制対象となる。
- 公開Source
AI エージェントとは何か：初心者向けガイド
・AI エージェントはチャットボットと異なり、目標を複数のステップに分解し、判断・ツール利用・実行を自動で行える ・人間による介入を最小限に抑えながら、一連のタスクを自律的に遂行する特性を持つ ・単なる質問応答ではなく、目標達成に向けた段階的なアクション実行が可能
- 公開Source
スタイル指示が音声生成に与える影響を可視化する手法
・テキスト音声合成（TTS）システムにおいて、自然言語指示がどの程度音声特性に影響するかを分析する手法を提案。 ・DAAM フレームワークを音声領域に初適用し、クロスアテンション属性を用いて個別単語ごとの寄与度をヒートマップで可視化。 ・CapSpeech-TTS での実装により、失敗パターンの診断と音声表現性の向上に資する基盤を確立。
- 公開Source
米国独身者の47%がAI出会いに否定的、一方で活用ニーズも存在
・米国の独身者約47%がAIを恋愛・出会いに使うことに否定的な見方をしている。 ・一方で、プロフィール作成補助やメッセージ提案といった具体的用途では利用に前向きなユーザーが多い。 ・Match社の調査から、ユーザーのAI活用に対する心理的抵抗と実用的ニーズの間に乖離がある。
- 公開Source
Google、スマートスピーカーをGeminiで刷新：会話型AIへの転換
・Google が新型スマートスピーカー「Google Home Speaker」（99.99ドル）を発表し、従来の固定的なコマンド型アシスタント機能から会話型 AI（Gemini）へ移行。 ・Gemini の生成 AI 能力により、より自然な対話形式での指示が可能に。 ・スマートスピーカー市場での競争力再強化を狙い、音声 AI インタフェースの大幅な改善を実現。
- 公開Source
Android 17 がマルチタスク機能を拡充、Google が Gemini の AI 機能を拡大
・Google が Android 17 と Wear OS 7 をリリース。マルチタスク機能、保護者向けコントロール、セキュリティツール、スマートウォッチ機能を追加。 ・同時に Pixel Drop を通じ、Google の最新 AI モデルをデバイスに搭載。 ・Gemini 機能の拡大により、デバイス上での AI 処理能力を強化。
- 公開Source
TokenPilot：LLMエージェント向けキャッシュ効率的コンテキスト管理
・LLMエージェントの長時間セッション運用時に、コンテキスト累積による推論コスト増加が課題となっている。 ・既存のテキスト圧縮・動的メモリ削除手法は、テキスト変更によってキャッシュ無効化とプリフィックス不一致を引き起こす。 ・TokenPilotは、テキスト削減とプロンプトキャッシュ連続性のトレードオフを解決する、二段階粒度のコンテキスト管理手法を提案する。
- 公開Source
文脈認識の強化学習によるエージェント型・マルチモーダルLLMの性能向上
・LLMが長い文脈や複雑な情報から重要な証拠を見落とす課題に対し、文脈認識型強化学習(ContextRL)を提案 ・最終答だけでなく、推論過程を監督する間接的な補助目的関数により、長期推論とマルチモーダル性能を同時に向上 ・ツール実行ログや画像内の細部といった、散在する重要情報の検出精度を改善する手法
- 公開Source
KVEraser：LLMのキャッシュ制御による局所的文脈削除の効率化
・長文生成時のLLM（大規模言語モデル）において、一度処理された情報の影響を後から削除する手法を提案。 ・KVキャッシュの局所編集が後続トークン全体に波及する課題を解決し、全トークン再計算を回避。 ・古い検索結果、不正確なツール出力、撤回された指示、有害なプロンプト注入など、後発的に検出される不要情報を効率的に除外。
- 公開Source
軽量な役割演技モデル実現に向けた「ペルソナ剪定」手法
・言語モデルの役割演技性能を保ちながら、計算コストを削減するペルソナ剪定（Persona-Pruner）を提案 ・複数NPC が同時に相互作用するような実用的なシステムでの過大な計算負荷が課題 ・汎用モデルを単一のペルソナに専用化することの必要性に疑問を提示し、効率化の余地を検討
- 公開Source
Agents-K1：エージェント向け知識統合の新アプローチ
・現在のLLMベース研究エージェントは、論文をアブストラクトや引用のみに削減し、科学的推論に必要な主要な概念や根拠を見落としている ・Agents-K1は、生ドキュメントをエージェント処理可能な形式に変換する知識統合パイプラインを提案 ・論文中の実体、主張、証拠、仕組み、手法の系統性を抽出し、より深い科学的推論を実現
- 公開Source
3つの選択肢から学ぶ：人の好みを予測する心理測定の力
・MIT の研究は、1927年の心理学者サーストーン理論「比較判断の法則」を再検討し、複数選択肢から人が最適を選ぶプロセスを数値化する手法を提案。・心理測定学（psychometrics）の枠組みで、目に見えない心的プロセスを測定可能な形に変換できることを実証。・3つの選択肢という構造が、ユーザー嗜好予測の精度向上に有効であることを示唆。
- 公開Source
スクリーンショットを検索可能な記憶銀行に変える Pool の新アプリ
・Pool は新アプリで、ユーザーが撮ったスクリーンショットを自動的にパーソナライズされたコレクションに分類する機能を提供 ・保存されたコンテンツの元のリンクを自動追跡し、散逸した情報源を復元可能に ・商品、レシピ、旅行プランなど、後で参照したいコンテンツの再発見を支援
- 公開Source
欧州の信頼できるAI生態系構築をOpenAIが支援
・OpenAIが欧州のAIコンテンツ透明性に関するコード・オブ・プラクティスに参加 ・AI生成コンテンツの出所（プロバイナンス）標準化とツール開発を推進 ・利用者がAI生成コンテンツを識別できる環境整備に取り組む
- 公開Source
文書を「記憶の原子」に変換：LLMのコンテキスト圧縮と合成技術
・LLMの長い入力シーケンス処理では、注意機構の計算コストが二次関数的に増加し、推論の遅延とメモリ消費が課題。・文書ごとにLoRAアダプタを生成する「Doc-to-LoRA」等の手法に対し、単一の「モノリシック」アダプタの限界を指摘。・本論文は文書情報を複数の「メモリ原子」に分解・圧縮し、推論時に必要な原子を選択・合成する手法を提案。・多段階の推論タスクでコンテキスト圧縮の効率化と柔軟性の向上を実現する可能性。