公開
Nova 2 Lite と Claude を組み合わせた低コスト文書処理
・スキャン済み卒業年鑑など非構造化文書の自動デジタル化に、Amazon Nova 2 Lite と Anthropic Claude を組み合わせたソリューションを提示。 ・顔検出・座標指定（バウンディングボックス）と名前抽出の精度を維持しながら、コスト効率化を実現。 ・ページレイアウト情報を基に名前と顔の対応付けを自動判定し、手作業の削減を支援。
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94件
4 / 4ページ
- Source
- 公開Source
Omen AI、データセンター冷却液監視で3100万ドル調達
・Omen AIがシリーズAで3100万ドルを調達。データセンターのチップ冷却液監視が主な用途。・細菌繁殖の早期検出と防止により、データセンターの稼働率向上と障害リスク低減を目指す。・冷却システムの効率化を通じて、運用コスト削減の可能性がある。
- 公開Source
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。
- 公開Source
異なる溶接プロセス間での溶け込み深さ予測を実現するドメイン適応アルゴリズム
・TIG溶接とレーザー溶接など異なる溶接方式間で、教師あり学習モデルの性能が低下する「ドメインシフト」問題に対応 ・ドメイン適応（UDA）フレームワークを用いて、ラベルなしデータで溶け込み深さ状態の自動判定精度を向上 ・異なる物理メカニズムを持つプロセス間でも、モデルの再学習コストを削減しながら予測性能を維持可能
- 公開Source
ビジョン言語モデルのOCR推論ロバスト性を評価：視覚的摂動への耐性を測定
・ビジョン言語モデル（VLM）がOCRベンチマークで高性能を示す一方、視覚的な劣化（ノイズ・歪み）への耐性は未検証のままである。 ・画像の視覚的破損がOCRエラーや構造歪みを引き起こし、推論タスクの不確実性が増加するという課題を指摘。 ・OCR-Robustという新しいベンチマークを導入し、VLMのOCR推論ロバスト性を体系的に評価する研究。
- 公開Source
小型ロボット向け省電力チップ、複雑環境でのナビゲーション実現
・MIT開発の新型チップにより、小型無人機がLED程度の電力消費で3D環境マップをリアルタイム生成可能 ・HVAC配管内のガス漏れ検査など、狭い工業施設での障害物回避ナビゲーションに応用 ・バッテリー制約の小型自律ロボットが衝突回避の経路計画を実行でき、産業点検業務の効率化へ
- 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
視覚的スタイルが大規模マルチモーダルAIの社会的バイアスを左右する仕組みを検証
・マルチモーダル大規模言語モデル（MLLM）が人物画像を判断する際、限定的な視覚的手がかり（服装・外見など）が大きなバイアスを生み出す可能性を指摘。 ・StylisticBiasというベンチマークを開発し、個人差と見た目の効果を分離してバイアスを測定する方法論を提案。 ・500以上のフォトリアリスティック画像を用いた制御実験により、属性レベルの社会的バイアスを体系的に評価可能に。 ・個人情報判定・採用・医療判断など実務的設定でのMLLM...
- 公開Source
放射線科向け空間認識型ビジョン言語モデルのスケーラブルな訓練手法
・手動の空間アノテーションなしで、放射線科向けビジョン言語モデルの訓練方法を研究 ・独ドイツ語と英語の二言語対応、CT/MR画像120万枚とテキストペアのRefRad2Dデータセットを開発 ・LLMベースキュレーションと自動セグメンテーションで、VQAと空間グラウンディング部分集合を自動生成 ・RadGrounderモデルは報告書生成と視覚質疑応答を同時実行可能に構成
- 公開Source
動画理解を推論として再構成──能動的知覚による全モード対応エージェント
・動画の全フレームを均一に処理する従来手法は計算コストが動画長に比例して増大する課題を指摘。 ・OmniAgent という新しいエージェントが、POMDP（部分観測マルコフ決定過程）に基づく反復的な「観察→思考→選択」サイクルで動画理解を実現。 ・能動的知覚により、クエリの難度に応じた効率的なフレーム選択が可能になり、計算コストを削減。 ・複数モダリティ（映像・音声・テキスト等）を統合処理できる汎用エージェント設計。
- 公開Source
法律AIの基盤整備：米国地方条例の大規模データセット LOCUS
・米国の地方条例（ゾーニング、住宅、営業許可など）は機械学習に適した形式で公開されておらず、法律AI研究の空白となっている。 ・研究チームが大規模な地方条例コーパス「LOCUS」を構築し、スケーラブルな法律AI開発の基盤を提供する。 ・ベンダープラットフォームの破片化から脱却し、自動化可能な法令データへのアクセスが可能に。 ・地方規制（公衆衛生、騒音規制、動物管理など）に関する判例分析や自動化が加速する見込み。
- 公開Source
不確実性バランス型選好計画：選好ベース強化学習の効率化手法
・選好比較からの報酬学習において、報酬・動力学・価値関数の不確実性を統合的に考慮する能動的探索手法を提案 ・既存の受動的データ収集に比べ、特に学習初期段階でのサンプル効率を大幅に改善 ・モデルベースアプローチにより、報酬設計を明示的に行わずロボット制御や推奨システムなど複数領域での応用が期待される
- 公開Source
視覚的検証によるロボット政策の推論時操舵と自律的改善
・ロボット政策の生成器と視覚検証器を組み合わせたVERITASフレームワークを提案。推論時にロボットの行動を評価・操舵できます。・事前学習済みの汎用ロボット政策に勾配不要な視覚検証器を組み合わせ、リアルタイムで行動品質を判定。・ロボットが自身の経験から学習し、継続的に性能を改善する仕組みを実現。・推論時の自律改善により、再学習なしに環境変化への適応が可能。
- 公開Source
EvolveNav：ゼロショット物体探索における自己進化メモリと事前反省機構
・ゼロショット物体探索（訓練なしで目的物を探すロボットナビゲーション）において、従来の基盤モデルは静的な知識に依存し適応性に欠けていた。 ・EvolveNavは、テスト時に継続的に改善する自己進化フレームワークを提案し、エージェントの行動ルールをメモリに蓄積して学習。 ・事前反省メカニズムにより、試行錯誤のコストを削減しながら、環境適応性と探索効率を向上。
- 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
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
綿花葉病の自動診断：説明可能性を備えた深層学習フレームワーク
・綿花の葉病を高精度で分類・検出するためのAIフレームワーク「CottonLeafVision」を開発・DenseNet201、InceptionV3、VGG19など複数の事前学習済みディープラーニングモデルを評価・説明可能性と堅牢性を備え、農業現場での実装を想定・綿花生産の経済的安定性向上に貢献する可能性
- 公開Source
Mana：関節を持つ道具の器用な操作を実現するロボット学習フレームワーク
・ロボットが関節付きの道具（ドアハンドルやペンチなど）を器用に操作することは、複雑な接触と多自由度の調整が必要なため困難だった課題 ・既存研究は剛体物体に焦点を当てており、機能的な把握と操作政策の学習方法が未解決のまま ・Mana（Manipulation Animator）は、シミュレーション環境で学習した戦略を実機ロボットに転用する汎用フレームワークを提案
- 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。
- 公開Source
具体化プランナーにおけるテスト時計算の最適配置戦略
・ビジョン言語モデル（VLM）がロボットなどの具体化エージェントの高次プランナーとして使用される際、テスト時の計算量拡大が性能向上に必ずしも繋がらない課題を指摘。 ・計算量増加によって遅延・トークン使用量・FLOPsが増加する一方で、下流のタスク成功率向上は不均等で限定的であることを実証。 ・効率的な運用のため、計算リソースの配置タイミングと場所を選別する必要性を提案。
- 公開Source
全二重音声対話モデルにおける複合的なインタラクティビティ調整
・全二重（同時発話対応）音声対話モデルは自然な会話を可能にするが、従来の教師あり学習では過度な沈黙や不適切なターンテイキングが発生する問題がある。 ・強化学習（RL）を導入してインタラクティビティ向上を試みているが、複数の対話特性（沈黙時間、応答タイミング、割り込みなど）を同時に最適化する必要がある。 ・トークンレベルの尤度最大化では対話レベルの振る舞いが直接最適化されないため、多面的な調整手法の開発が課題。
- 公開Source
トルコ語の多語表現分類：教示学習と監督学習の比較
・トルコ語の軽動詞構文（LVC）は字面上は通常の動詞目的語結合と同じだが、慣用的な意味を持つため分類が困難 ・二値分類タスク（字義的 vs 慣用的）として、手動作成の対照的なテストセット（N=147）で評価 ・大言語モデルの文脈内学習における教示（デモ）ベースのアプローチと監督学習の有効性を比較 ・言語処理パイプラインにおける多語表現認識の精度向上に寄与