公開
MIT新製造イニシアティブが発足1周年、産業界の AI 導入と人材不足対策が焦点
・MIT の新製造イニシアティブが発足1周年を迎え、800名以上の産業界リーダーや研究者が参加するイベントを開催。 ・工場内での AI 活用、スタートアップによるイノベーション導入、労働力不足への対策が主要テーマ。 ・大学と産業界の連携により、製造業における次世代技術と人材育成の推進を加速。
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
14 / 15ページ
- Source
- 公開Source
Android 17 がマルチタスク機能を拡充、Google が Gemini の AI 機能を拡大
・Google が Android 17 と Wear OS 7 をリリース。マルチタスク機能、保護者向けコントロール、セキュリティツール、スマートウォッチ機能を追加。 ・同時に Pixel Drop を通じ、Google の最新 AI モデルをデバイスに搭載。 ・Gemini 機能の拡大により、デバイス上での AI 処理能力を強化。
- 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
LLMエージェントのメタ分析能力を評価する新ベンチマーク「MetaSyn」
・Nature Portfolio掲載の442件の専門家キュレーション済みメタ分析データセット「MetaSyn」を開発 ・文献検索・研究選定・統計集計を含む系統的レビュー全体パイプラインの検証を可能に ・LLMエージェントの科学的推論能力を体系的に評価するベンチマーク基盤を提供 ・既存ベンチマークに欠落していた各段階の正解データを整備
- 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
Salesforce、AI顧客対応プラットフォーム Fin を36億ドルで買収
・Salesforce が AI カスタマーサービス企業 Fin を 36 億ドルで買収。Fin の技術・チームを既存プラットフォーム Agentforce に統合する方針。 ・Agentforce はエンタープライズ向けの AI エージェント構築プラットフォーム。業務自動化タスク対応の強化が狙い。 ・Salesforce のカスタマーサービス領域での AI 機能拡張戦略の一環として位置付けられている。
- 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
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
医療AI の推論過程における幻覚診断ベンチマーク ClinHallu
・医療用マルチモーダル大規模言語モデル（MLLM）の信頼性向上を目的とした研究。 ・既存ベンチマークとは異なり、幻覚がどの推論段階で発生するかを特定する手法を提案。 ・視覚認識エラー、医学知識の不正確な想起、推論統合の欠陥など、複数の幻覚源を識別可能。 ・医療診断支援システムの安全性向上に向けた基礎研究。
- 公開Source
Preply が AI と人間講師を組み合わせ、学習を個別対応化
・Preply が OpenAI を活用し、AI 生成の授業要約機能を導入 ・学習者に個別化されたフィードバックと言語学習演習を提供 ・AI と人間講師のハイブリッド体制で学習効果を向上させる仕組み
- 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
スクリーンショットを検索可能な記憶銀行に変える Pool の新アプリ
・Pool は新アプリで、ユーザーが撮ったスクリーンショットを自動的にパーソナライズされたコレクションに分類する機能を提供 ・保存されたコンテンツの元のリンクを自動追跡し、散逸した情報源を復元可能に ・商品、レシピ、旅行プランなど、後で参照したいコンテンツの再発見を支援
- 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。
- 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
低価格ロボットアームで力覚センサなしに外力推定を実現するNEXT手法
・低価格ロボットアームには高額な力覚センサが搭載されていないため、接触が必要な作業が困難であった ・Neural External Torque Estimation（NEXT）は10分間のフリーモーション データのみから1分で外力推定モデルを学習できる ・推定精度は専用力覚センサと同等であり、低価格アームでの力覚フィードバック遠隔操作を可能にする
- 公開Source
Oracle Cloud契約を活用してOpenAIモデルにアクセス可能に
・OpenAIのモデルとCodexがOracle Cloudを通じて利用可能になった ・既存のOracle Cloud契約を活用でき、追加契約なしでアクセス可能 ・エンタープライズグレードのセキュリティとガバナンス機能を備えている
- 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
AI評価結果の報告を統一する「評価カード」の提案
・AI評価結果が複数のプラットフォーム（リーダーボード、モデルカード、論文等）で異なる形式で報告され、結果の比較が困難になっている課題を指摘。 ・「評価カード」という統一的な報告フレームワークを提案し、評価ライフサイクル全体を可視化し、複数ソース間での比較可能性を向上させることを目指す。 ・既存の取り組みは評価プロセスの一部分のみをカバーしており、統合的な解釈支援層が欠落していることが問題。