公開
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。
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173件
7 / 8ページ
- Source
- 公開Source
LedgerAgent：方針準拠のツール呼び出し型エージェント向け構造化状態管理
・カスタマーサービス分野のAIエージェントが、ポリシー（業務ルール）を守りながら複数ターンの対話でツール（外部システム）を呼び出す際、タスク状態を明示的に管理する手法を提案。 ・従来型エージェントでは状態がプロンプト内に散在し、エージェント自身が関連情報を再構築していた課題を、Ledger（台帳）構造で解決。 ・顧客情報、制約条件、ポリシー違反チェックなどを体系的に整理し、エラーや方針違反を削減。
- 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
AI推論モデルが小児稀少遺伝病診断を支援、未解決事例で18件の新規診断
・OpenAIの推論機能を持つAIモデルを用いて、従来診断困難だった小児稀少遺伝病の診断支援に成功。 ・未解決ケースから18件の新規診断を実現し、臨床的な課題解決の可能性を示唆。 ・医学専門知識とAIの推論能力を組み合わせ、診断精度向上への道を開く。
- 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
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
Pinterest、会話型AI買い物アプリ「Ask Pinterest」を試験公開
・Pinterestが実験的なAI搭載ショッピングアプリ「Ask Pinterest」を開始 ・ユーザーが会話形式でレコメンデーションや商品インスピレーションを取得可能 ・自然言語インターフェースを通じた新しい買い物体験の検証段階
- 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
AIロボットが複雑な環境を記憶できる仕組みーMIT研究チームが長期記憶フレームワークを開発
・MIT研究チームがロボット向けの長期記憶フレームワークを開発し、複雑で大規模な環境の詳細な空間的・時間的モデルを素早く形成・想起できるようにした。 ・従来ロボットは、人間が自然に行う「鍵をどこに置いたか覚えている」といった空間記憶の能力に劣っていた。 ・工場作業など人とロボットが協働する環境では、このような記憶能力がロボットの効率性と安全性向上に貢献する可能性がある。 ・研究はロボットの自律性向上と人間との協働作業の実現化に向けた基礎...
- 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
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
複数目標を持つマルチエージェント強化学習における協調的嗜好学習
・複数の目標と異なる観測・役割を持つエージェント間の協調意思決定を扱うマルチエージェント強化学習の研究。 ・提案手法「PCMA」はエージェント固有の嗜好を学習し、複数目標間のトレードオフを補完的に調整。 ・衝突する目標とエージェント間の役割差を同時に最適化する理論的枠組みを提示。 ・ロボット制御や複数チーム運用など実務的応用の基礎となる可能性。
- 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
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
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
DoorDashが新AI チャットボット導入、画像やテキスト指示で注文可能に
・DoorDash が「Ask DoorDash」という AI チャットボットを新たに導入 ・ユーザーが自然な言葉や画像で商品を検索でき、レストラン一覧のスクロール作業が不要に ・従来のカート構築プロセスが簡素化され、注文体験が高速化
- 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。