公開
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。
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153件
3 / 7ページ
- Source
- 公開Source
OpenAI Academy、実務的なAIスキル習得向け新講座を開設
・OpenAI Academy が3つの新しい講座を開設し、実務的なAIスキル習得を支援する ・再利用可能なワークフロー構築と日常業務へのエージェント活用に焦点 ・企業内での AI 導入と効率化を加速させるための体系的学習機会を提供
- 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
- 公開Source
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
- 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
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複数の並列化戦略（データ並列、パイプライン並列、エキスパート並列）と最適化手法（ZeRO等）の組み合わせが必須になっている ・従来は人間の専門家が手動で高レベルの戦略設計と低レベルの実行実装を行うため、新戦略への対応が困難 ・Piperは学習システムをプログラマブル化し、戦略の自動適用・最適化を可能にするフレームワーク
- 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
エージェント社会における長期生活シミュレーションと学習
・LLMベースのエージェントが社会的相互作用を通じて学習するシミュレーション環境を研究 ・従来は日単位の短期シミュレーションに限定されていたが、長期的な成長と深い相互作用を可能にする手法を提案 ・シミュレートされた社会経験からLLMが人間行動の理解と再現を学習できるか検証 ・複数エージェント間の時間スパンを拡張することで、より現実的な社会的ダイナミクスを実現
- 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
建設現場の自動化に特化したロボット企業Grittが3400万ドルで本格始動
・建設現場の困難なタスク自動化を目指すロボット企業Grittが3400万ドルの資金調達を発表し、ステルスモードを終了 ・初期段階では太陽光発電施設の建設作業を自動化し、その後他の建設分野への展開を計画 ・建設業界の人手不足と安全性向上のニーズに対応する産業用ロボットソリューション
- 公開Source
ロボットが混雑空間を安全に移動するための適応的な安全マージン学習
・屋内の混雑空間でロボットナビゲーションが失敗する主因は、固定的な安全マージンの不適切なキャリブレーションにあることを指摘 ・保守的すぎるマージンは迂回・タイムアウト、緩いマージンは知覚偏差による危険な近道につながる ・拡散型プランナーが RGB-D センサーから複数の軌道案を生成するものの、信頼性の高い選択が課題 ・文脈を考慮した安全評価器（safety critic）により、状況に応じた適応的なマージン学習を実現する手法を提案
- 公開Source
マルチモーダル医療AI：リーダーボード順位を超えた信頼性設計
・医療用マルチモーダル AI（画像と テキストを組み合わせた質問応答システム）の信頼性と解釈可能性に関する設計原則を検証 ・消化管内視鏡検査データを用いた実例研究で、9つのシステムの回答品質と説明の正確性を比較分析 ・パラメータ効率的な既存モデル活用は性能向上をもたらすが、臨床推論の忠実性や完全性には必ずしも結びつかないという課題を指摘 ・ベンチマークスコアと実臨床での信頼性にギャップがあることを実証
- 公開Source
DoorDashがコマンドライン注文ツールをベータ公開、AI向け設計の一歩
・DoorDashが「dd-cli」という限定ベータ版のコマンドラインツールを開始 ・開発者やAIエージェントがターミナルから店舗検索、カート構築、注文が可能 ・従来のUI中心設計から、AI向けに最適化されたソフトウェア設計への転換を示唆
- 公開Source
Amazon BedrockとNova 2でレストラン電話自動応答AIを構築
・レストランは月平均150件の電話を取り逃としており、約60%は予約・注文の問い合わせ。ディナータイムに多く発生し、ホストの負担が集中。 ・AWSのBedrockエージェント機能とNova 2 Sonicモデルを用いた電話自動応答システムの実装例を紹介。 ・通話受付の自動化により、スタッフをフロア業務に集中させながら顧客対応を両立する。 ・実装アーキテクチャ、連携フロー、本番運用への課題をAWSブログで解説。
- 公開Source
アスペクト特化型感情分析における制約条件を考慮した反事実編集手法
・アスペクト特化型感情分析（ABSA）では、文全体の感情ではなく特定要素への感情判定が求められます。・反事実データ生成時、対象アスペクトの感情のみを反転させ、他要素の感情・意味・流暢性・事実性を保持する必要があり、既存手法ではこれらの制約を満たしにくいという課題があります。・制約条件を明示的に組み込んだ編集手法を提案し、より信頼性の高い評価データ生成を実現します。
- 公開Source
AI活用による職業スキル高速習得の統合フレームワーク
・2030年までに労働者100人中59人がスキル再構築を必要とする一方、企業のスキルギャップ解消期間は2014年の3日から2018年には36日に増加している。 ・既存フレームワークは単一段階に限定され、業界実証が不足している。 ・研究チームが知識習得から評価までの5段階全体にAIを統合した統合フレームワークを提案。 ・各段階（知識取得、コンテンツ開発、検証、教授、評価）をAIで加速化し、スキルアップ全体の効率化を目指す。
- 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
不動産金融向けAI文書処理ソリューション、AWSで構築・展開
・不動産金融企業Built Technologiesが、Amazon BedrockとAWSのサービスを活用したAI駆動の文書処理エンジンを構築 ・年間5000億ドル規模の不動産プロジェクト処理において、複雑で手作業が多い文書処理を自動化 ・AIエージェント基盤により、融資判断や契約審査などの重要な業務意思決定を迅速化
- 公開Source
AI エージェントはタスクの難易度を認識できるか──複雑性を考慮した推論と実行に向けて
・LLM エージェントは単純な 1 行の編集でも、すでに読んだファイルや依存関係を何度も再読込みする「最大コンテキスト優先戦略」を採用している。 ・タスクの実際の難易度や必要な情報範囲を事前に推定できず、結果として不要な処理オーバーヘッドが発生。 ・研究は「タスク認識スコープ推定」という能力の重要性を指摘し、効率的で適応的なエージェント動作の実現を目指している。
- 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
- 公開Source
8言語160の慣用句をグラフで分析、認知言語学に基づく特徴抽出法
・8言語の慣用表現・比喩表現160件を、認知言語学の概念特徴（包含、隠蔽、感情、社会など）でアノテーション ・各表現間の類似度をグラフ化し、コミュニティ検出により言語を超えた意味構造を解析 ・解釈可能なネットワーク手法により、言語タイプが異なる表現の普遍的パターンを抽出可能