公開
現代 LLM の見えない依存関係：モデル系統の監査方法
・現代の大規模言語モデル（LLM）は、学習データ生成・フィルタリング・評価の各段階で他のモデルに依存している ・これらの依存関係は再帰的で、複数のリリースと文書にまたがり、全体像を把握することが困難になっている ・公開されている各種の成果物から依存構造を追跡することは、複雑性と深さから人間による確認が実質的に不可能な状況に直面している ・LLM の透明性と信頼性向上のため、こうした見えない依存関係を体系的に監査・記録する必要がある
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244件
8 / 11ページ
- Source
- 公開Source
AI活用に積極的な企業、従業員1人当たり月7,500ドルをAIに投資
・AI導入に積極的な企業では、従業員1人当たり月7,500ドル（約100万円）のAI関連費用を支出している ・Ramp AI Indexのデータに基づく調査結果で、これはまだエンジニアの給与を下回るレベル ・AI活用企業の費用支出パターンが急速に拡大している傾向を示す
- 公開Source
LLM自動化の効果を巡る研究上の課題
・LLMが人間レベルの専門知識を持つとの主張は、ベンチマークタスクでの平均的なパフォーマンスに基づいているが、これらの評価手法には根本的な限界がある。 ・多くのベンチマークはLLMの学習データに直接含まれるコンテンツに基づいており、真の性能測定とは言えない。 ・LLMのパフォーマンス信頼性を評価していないベンチマークでは、実務運用での有効性を判断できない可能性がある。 ・標準化データセットでの測定結果と実業務での応用可能性にギャップが存...
- 公開Source
原子力技術を応用した冷却システム、データセンターの省電力化へ
・AI需要の急増に伴い、米国のデータセンター電力消費は2030年代に総電力の9～17％に達する見込み。・現在、データセンター電力の約3分の1が冷却に費やされており、エネルギー効率が重要課題。・MIT関連のスタートアップが原子力冷却技術からインスパイアされたシステムを開発し、データセンターの消費電力削減が可能に。
- 公開Source
自己蒸留における反応調整の役割
・言語モデルが追加の文脈（前の試みへのフィードバック）を受け取ると応答が向上するが、自己蒸留はそれを文脈なしでも保持させる訓練方法。 ・学生モデルと教師モデルの出力分布を一致させることで、フィードバックなしで改善を維持させる仕組み。 ・モデルが学習する内容は教師が受け取る文脈の内容に大きく依存し、その選択が自己蒸留の効果を左右する。
- 公開Source
複数データセット対応のテスト時プロンプト学習フレームワーク EEVEE
・LLMエージェントが実行時に複数のデータセット・ドメインから異なる入力を処理できるプロンプト学習フレームワーク EEVEE を提案 ・既存手法は単一データセット想定だが、実世界ではデータの多様性に対応が必須で応用性に課題がある ・異なるデータセット間の干渉を軽減する仕組みを導入し、実タスクストリーム下でのプロンプト学習を実現
- 公開Source
技術企業は低コストAIモデルを受け入れられるか
・品質を損なわずに低コストAIモデルで同じ処理が可能なら、AI経済の構造が大きく変わる可能性がある ・高額なAIモデルから廉価版への転換は、運用費削減と導入障壁低下につながる ・企業のAI導入判断が、モデルの高度さよりも費用対効果を重視する傾向へシフトする見込み
- 公開Source
Piper：分散学習システムのプログラマブル化に向けた新フレームワーク
・大規模モデル学習では、データ並列・パイプライン並列・エキスパート並列とZeROなどの省メモリ化を組み合わせる必要があり、専門家による設計・実装が適応の負担になっている。 ・Piperは戦略と実行基盤を分離し、少数のモデル注釈とスケジューリング指示から、計算と通信を表す統合DAGを介してデバイス別の実行計画を生成する。 ・論文ではZeROなど既存戦略で同等性能を保ちつつ、計算と通信の共同スケジューリングにより、DualPipeのような複...
- 公開Source
iOSWorld：個人情報を活用するスマートフォンエージェントのベンチマーク
・iOSWorld は、ユーザーの身元・履歴・好みを学習する「個人知能型」フォンエージェントの初の専用ベンチマークであり、単発の指示ではなく継続的な個人情報を活用する必要性を提唱している。 ・26個の新規構築iOS アプリを含むネイティブ iOS シミュレーターで、アプリ間のデータ連携（クロスアプリ参照）を実現し、現実的なスマートフォン操作環境を再現した。 ・既存のモバイルエージェント評価ツールの多くが「個人情報ゼロの砂箱環境」という制...
- 公開Source
大規模言語モデルの確率推論精度を検証：サイコロ問題を中心に
・8つの最先端LLMを対象に、標準的な確率問題と直感に反する問題の2種類を用いて検証 ・標準問題では平均精度96%だが、直感に反する問題での精度は著しく低下 ・Chain-of-Thoughtプロンプティングの効果を測定し、推論能力の限界を明示 ・離散確率問題におけるLLMの信頼性と偏りを体系的に評価
- 公開Source
MemDreamer：長時間動画理解のための知覚と推論の分離と階層グラフメモリ
・視覚言語モデルが長時間動画の処理でトークン数爆増と注意散漫に直面する問題に対し、MemDreamerが知覚と推論を分離する手法を提案。 ・動画をインクリメンタルにストリーミング処理し、セマンティック抽象化を行う3層階層グラフメモリを構築することで効率化を実現。 ・エージェント的検索メカニズムにより、長時間動画の理解を段階的な探索プロセスに再構成。 ・プラグアンドプレイフレームワークとして既存モデルに統合可能な設計。
- 公開Source
AI駆動型HPC ワークフロー設計の12の実践的指針
・従来の高性能計算（HPC）クラスタは決定論的な線形パイプラインに最適化されているが、AIと基盤モデルの統合により確率的・反復的なワークフローが新たに求められている ・AI駆動型ワークフローは従来のHPC最適化手法では対応できない特有の課題を抱えており、設計段階での配慮が重要 ・arXiv掲載の研究論文で、科学計算環境におけるAI統合の具体的な設計原則が提示される
- 公開Source
OpenAI、中小企業向け ChatGPT プログラムを開始
・OpenAI が中小企業向けの ChatGPT プログラムを新たに立ち上げ ・プログラムは起業家の AI スキル構築・業務自動化・事業成長を支援 ・ChatGPT Work を活用した実装が中心となる見込み
- 公開Source
LLMは信念の表現方法に左右される─言語形式による応答性の違いを評価
・ユーザーがLLMに述べた信念（前提条件・証拠表現・確実性マーカーなど）に対して、LLMの応答パターンが異なることを指摘。 ・同じ内容でも「言い方」（言語形式）によって、LLMが信念を受け入れるか・既知知識を優先するかが変動。 ・信念表現の言語的多様性を分類する体系を導入し、LLMの説得可能性（persuasiveness）を系統的に評価。 ・ユーザー指示への応答一貫性とLLM信頼性に関わる重要な課題。
- 公開Source
Amazon Quickで営業組織を変革、エージェント型AI の新しいチームメイト
・営業担当者は平均して売上活動に費やす時間が 40% に留まり、CRM 更新や見込み客調査などの事務作業に大半を費やしている ・Amazon Quick は、エージェント型 AI を活用して営業チームの低付加価値業務を自動化する製品 ・メール作成、見込み客調査、ツール間の切り替え など繰り返し作業を削減し、営業代表者が実際の営業活動に注力できる環境を実現
- 公開Source
Google Vidsに個人用AIアバター機能を追加。デジタル化された自分が主演する動画生成が可能に
・Google Vidsに個人用AIアバター機能が追加され、ユーザーがデジタル化された自分を主演させた動画を制作できるようになった ・Gemini Omniを活用した生成・編集ツールとの組み合わせにより、テキストプロンプトや参照画像から動画を一括作成可能 ・営業資料や社内教育動画など、短時間で個性的なコンテンツ制作が可能になる可能性がある
- 公開Source
xAI の Grok 4.3 が Amazon Bedrock で利用可能に
・xAI の大規模言語モデル「Grok 4.3」が Amazon Bedrock 上で一般利用可能になった。 ・長い入力データに対して信頼性の高い推論が可能で、エージェント・AI ワークフロー構築に対応。 ・推論努力の設定が可能で、ツール活用と命令遵守に優れ、高ボリューム推論でのトークン効率を実現。 ・xAI が Amazon Bedrock のモデルプロバイダーとして新たに参画。
- 公開Source
Amazon Bedrock のマネージドナレッジベースでエンタープライズ検索をエージェント向けに構築
・Amazon Bedrock Managed Knowledge Base により、エンタープライズデータを基盤とするエージェント・生成 AI アプリケーション構築の複雑性を低減 ・従来はコネクタ、パーサ、ベクトルストア、ナレッジグラフ、検索ロジックを自社で統合・運用する必要があった構成を一元化 ・データソース接続、マルチモーダル文書の解析、ベクトル/グラフデータベースの選定・スケーリングといった各工程の課題を内包型サービスで対処
- 公開Source
企業AI組織の信頼ギャップ：検索ではなく信頼性が課題
・101社の調査から、AI エージェント向けのコンテキスト基盤が信頼性を伴わないまま急速に構築されている実態が判明 ・検索拡張生成（RAG）がデフォルトのコンテキスト源となり、ベクトルDB から プロバイダー純正検索へシフトが進行中 ・多くの企業で、欠落・不一致したコンテキストに起因する誤った確信回答（confident wrong answer）が既に発生 ・ガバナンス付きセマンティック層の導入が解決策として提示される
- 公開Source
エンタープライズAIの評価ギャップ：カバレッジではなく現実との乖離が課題
・157社を対象とした調査で、企業が AI エージェントに自律性を付与する一方、その自律性を制御するための評価基準への信頼が低下している実態が明らかに ・半数の企業が、内部評価で合格したエージェントが本番環境で顧客に対して機能しない経験をしており、評価基準が実世界の成果と乖離していることが最大の課題 ・自動評価を完全に信頼する企業は 5% に過ぎないが、それでも 3 分の 2 の企業は既に配備を行っているか向かっている状況
- 公開Source
深い相互作用：大規模推論モデルの効率的な人間-AI対話手法
・Chain-of-Thought（段階的思考）推論の活用により、LLMは複雑な多段階タスク対応が可能になったが、エラー発生時の現在の対話手法は不十分である ・既存手法では完全な再生成による再び誤る可能性、またはユーザーが誤りステップを指摘しても同じ誤りが繰り返される課題がある ・本研究は人間-AI相互作用の効率化を目的とした新手法を提案している
- 公開Source
参照回答がない場合、LLMジャッジは甘すぎる可能性がある
・LLMを評価者として使う際、正解がない「ノーリファレンス評価」では、LLMが甘い採点をする傾向がある ・キャリブレーション実験と感度実験の2段階パイプラインで、LLMジャッジの信頼性を検証 ・タスク知識の不足や入力変動への過敏さが、評価の一貫性と精度を損なう可能性を指摘
- 公開Source
AI モデルが現実世界で機能するために必要なこと
・予測・計画・意思決定を支援する AI システムは増加しているが、組織固有の詳細情報が不足し、実用性が限定されている課題を指摘。 ・MIT の研究グループが、組織内データとモデルの適合性向上に取り組む。 ・業務現場で AI の効果を引き出すには、単なるモデル性能より実装環境への適応が重要。
- 公開Source
複数チャネルの信号を統合する営業インテリジェンス：Strands AgentsとAmazon Bedrockの活用
・見込み客はReddit、Hacker News、Stack Overflow、GitHubなど複数のオンラインプラットフォームに活動の痕跡を残している ・個別の信号は雑音だが、複数ソースで相関させると購買準備状態の見込み客を特定できる ・Strands AgentsとAmazon Bedrockによるマルチエージェントシステムで、これら分散データの統合分析が可能になる