公開
ビジョン言語モデルの知覚と知識の矛盾解決メカニズム
・ビジョン言語モデル（VLM）が視覚情報と学習済み知識の矛盾を解決する過程を、モデル内部の活性化レベルで分析した研究。 ・活性化パッチングと段階的なアブレーション実験により、矛盾発生時にVLMが視覚情報を優先する傾向（Vision-Default）と知識が優先される条件を明らかにした。 ・複数のVLMファミリーで検証され、マルチモーダルシステムの信頼性向上に向けた機械的な理解が進展。
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339件
12 / 15ページ
- Source
- 公開Source
保険ブローカー向けAIプラットフォーム「Cara」がAWSで業務自動化を実現
・保険業界の8兆ドル規模の市場で、手作業業務と人材不足が課題。 ・Caraは保険ブローカーのバックオフィス業務（申請書作成、保険分析、データ入力など）をAI自動化するSaaS。 ・AWS上で構築され、保険業界特化の生成AI機能を提供。 ・エージェントの定型業務削減により、生産性向上と人的リソースの効率化を実現。
- 公開Source
Amazon S3のPDFから対話的にテキスト抽出するシステム構築
・コンプライアンス監査や契約確認など、PDFから即座にテキストを取り出す必要がある業務向けのソリューション ・AWS環境でオンデマンド型のPDF抽出サーバを構築する具体的な実装方法を解説 ・スケジュール実行ではなく、必要な時点で即座にアクセス可能な仕組みを実現
- 公開Source
熱波が脳機能に影響、科学者が原因解明に取り組む
・西ヨーロッパの熱波がロンドンを含む地域を襲い、英国では6月の最高気温記録を更新（36.1°C）。 ・体感温度は39°Cに達するなど、極端な気象条件が人間の脳機能に影響を及ぼす可能性を科学者が調査中。 ・熱波による認知能力低下や精神的影響のメカニズム解明が、気候変動への対応策策定に重要。
- 公開Source
LLM による暗号化言語検出：間接的言語表現の機構別分類法
・ソーシャルメディアの検閲回避を目的とした間接的言語表現（ILE）の分類体系を提案。 ・アルゴスピーク、婉曲表現、敵対的難読化など複数の形態を統一的な機構で捉える研究。 ・LLM が言語の表面形ではなく根底にある符号化メカニズムを認識する仕組みを解明。 ・モデレーション回避手法の識別と、オンラインコミュニティの安全性向上に応用可能。
- 公開Source
ドイツ中央銀行の担保適格性審査：大規模言語モデルによる有価証券要件判定
・ドイツ中央銀行による担保適格性の確認は、長文・複雑な有価証券説明書から法令・財務要件を手作業で抽出する負担が大きい課題。 ・従来の固有表現認識（NER）では OCR 雑音や言語変異への対応が不十分で、柔軟性に欠ける。 ・大規模言語モデル（LLM）を活用することで、双言語・半構造化文書からの情報抽出精度の向上と業務効率化を実現。
- 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
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
異なるロボット間で動作知識を共有する学習手法の提案
・Vision-Language-Action（VLA）モデルは視覚・言語情報は強力だが、ロボットの物理的動作学習が弱い課題を指摘。 ・動作に関する事前学習済み知識（アクションプライア）を明示的に組み込む新しいアプローチを提案。 ・異なるロボット体型間での動作知識の転用可能性を高める研究。
- 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
マルチモーダルAIの順序依存性監査：同じ情報でも答えが変わる課題
・マルチモーダル大規模言語モデル（MLLM）が、提示情報の順序を変えると異なる回答をする「順序依存性」の問題を実証的に調査。 ・オプション順序、証拠チャンク順序、文書ランク、画像セット、複合モダリティ順序の5つの側面でテスト。 ・18個の最先端・オープンウェイトモデルをBayesian統計モデルで評価し、順序ノイズと真の理解力を分離。 ・AI信頼性評価ガイドラインで要求される基本的な頑健性（順序不変性）がまだ確保されていない現状を明らか...
- 公開Source
リアルタイム音声AI、言葉に反応するが声のニュアンスを捉えない
・OpenAI GPT Realtime 2、Google Gemini 3.1 Flash Live、Alibaba Qwen3.5など主要な音声AIシステム4種を評価した研究 ・言葉の内容と声のトーン・感情の両方に意味がある場面で、全システムが言語情報のみに依存し声質を無視する傾向が判明 ・泣いている通話者が「大丈夫」と言う場合など、矛盾する情報を受け取った時に音声AIが適切に対応できない実例が複数報告されている
- 公開Source
Amazon Nova 2 Sonicで医療予約自動化エージェントを構築
・米国のヘルスケアにおける無断キャンセル率は診療科目により5～30%で、年間150億ドルの収益機会損失が発生 ・Amazon Nova 2 Sonicを活用して医療予約管理を自動化するエージェント構築の実装方法を提示 ・手動での患者への連絡業務を削減し、予約確認と関連業務を効率化できる実装パターンを紹介
- 公開Source
ハンティントン銀行、AWSで4億件以上の文書から機密データを自動削除
・米大手銀行ハンティントンが、蓄積した4億件以上の文書から顧客の機密情報を自動削除するシステムをAWSで構築。 ・従来は数年かかる手作業を機械学習で効率化し、コンプライアンス対応の負担を大幅軽減。 ・大規模ドキュメント管理が必要な金融機関のデータガバナンス課題の実装例。
- 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
ロボット企業アジリティ・ロボティクス、SPAC上場で25億ドル評価
・2015年にオレゴン州立大学から分離したヒューマノイドロボット企業アジリティ・ロボティクスが、SPAC（特別買収目的会社）を通じた上場を計画。企業評価額は25億ドル。 ・上場により同社は6億2,000万ドルの調達資金を見込んでいる。 ・ロボット業界の資金調達動向を示す事例であり、商用ロボット化への企業投資の加速を反映。
- 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
AI搭載AAC（補助代替コミュニケーション）インターフェースの設計と評価の課題
・言語障害や発話困難者向けのAAC（補助代替コミュニケーション）システムにAIを統合する際、設計と評価が複雑化している ・利用者は多様な背景を持つため、単一の評価指標では個人のニーズを適切に捉えられない課題がある ・論文は6つのAAC問題領域を分析し、各領域でのAI活用方法と設計上の留意点を検討している
- 公開Source
InSight：ステアラブルVLAによる自律的スキル獲得フレームワーク
・Vision-Language-Action（VLA）モデルが基本動作レベルで操作可能になることで、訓練データにない新しいロボット操作スキルを自動獲得できる仕組みを提案 ・デモンストレーションを自動分割し、プリミティブアクション（「グリッパーをボウルに移動」など）の組み合わせでスキルを再構成 ・ロボット学習の汎用性向上と、現場での継続的スキル拡張の可能性を示す研究
- 公開Source
質の高い学習データ選別が科学論文要約の精度を向上させる
・科学論文の要約タスクで、著者作成の要約すべてが学習に適しているわけではないという問題を指摘。 ・データ品質の評価基準を導入し、学習に使うデータを選別する手法を提案。 ・バイオメディカル・ライフサイエンス分野の大規模長文要約データセットを構築・公開。 ・質の低いデータを除くことで、モデルの要約精度が向上することを実証。
- 公開Source
コード修復エージェント向け構造化診断定位フレームワーク SHERLOC
・LLM エージェントがコード修復タスク時に予算の約半分をバグ箇所の特定に費やす課題に対応 ・従来の定位フレームワークは単純なファイル検索に留まり、修復に必要な診断文脈を提供していない ・SHERLOC は仮説駆動型の推論と構造化探索を組み合わせた訓練不要のフレームワークを提案
- 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