公開
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
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55件
3 / 3ページ
- Source
- 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
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
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。
- 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