公開
a16zの40億ドル運用から転身、Vijay Pandeが「小規模ベット」を選ぶ理由
・a16zの約40億ドルバイオテック部門から退任したVijay PandeがAIネイティブのVZVCを立ち上げ、より小規模な投資戦略にシフト。 ・生物学が「発見科学」から「エンジニアリング科学」へ転換しつつあると指摘し、AIの医療応用可能性に注目。 ・臨床試験の高コスト課題は継続するものの、オープンで共有可能なデータセットがAIによる医療変革の鍵になると主張。
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96件
1 / 4ページ
- Source
- 公開Source
AI需要に応える大型調達：ウォール街が500億ドル規模の融資枠組みを構築
・ウォール街の大手投資ファーム6社がNvidiaの顧客向けに総額500億ドルの資金調達枠を組成。 ・企業がAI用の高性能コンピューティング環境を購入・導入する際の資金確保を支援するモデル。 ・AI基盤設備投資の加速に対応した金融スキーム。従来型の設備投資ローンをAI・GPU調達に特化させる動き。
- 公開Source
金融分析におけるLLMの「読み込み」と「判断」のギャップ
・LLMベースの財務分析ツールは情報取得能力で評価されるが、取得した情報が実際の判断に反映されるかは検証されていない ・文脈トークン数を2,000から128,000に増やし、無関連情報を混在させると、LLMのリスク判断精度が低下することを実験で確認 ・金融ディスクロージャー解析で、検索と判断統合の間に認識されていないギャップが存在する課題を指摘 ・長文脈処理時の LLM の信頼性が、金融意思決定支援システムの実装において重要な検証対象と...
- 公開Source
AWS SageMaker HyperPodに新しいRay機能を統合
・AWS が SageMaker HyperPod に Ray（オープンソースの分散処理フレームワーク）の新機能を統合したことを発表 ・Ray は GPU クラスタ上で Python ワークロードをスケール可能にするツール ・基盤モデルの学習と推論に特化した HyperPod のインフラストラクチャと Ray を統合
- 公開Source
自己改善型エージェントの脆弱性：分散、タスク順序、未指定性の影響
・メモリベースの自己改善型エージェント（オンラインタスク学習とテキストメモリ管理で段階的に改善）は従来の研究で有望と評価されてきた。 ・本研究は複数実行による分散測定とタスク順序のランダムシャッフルを含めて、これら手法の信頼性を包括的に再評価した。 ・従来の単一実行や固定順序の評価では、メモリ型エージェントの実際の安定性と汎用性が過度に評価されている可能性を指摘。
- 公開Source
長時間のロボット操作：言語エージェントによる段階的タスク探索と状態遷移の記憶
・複数の接触操作スキルを組み合わせた長時間ロボットタスクで、VLAモデルの個別スキルは優秀だが段階間のエラー蓄積が課題 ・LLMエージェントがVLAを補完し、言語計画→自由空間での解析的移動→接触操作時のみVLA実行の役割分担を提案 ・各段階の状態遷移を記憶・学習し、段階間の暗黙的な制約を顕在化させる方法論
- 公開Source
PPL-Factory：言語モデルから推論まで対応するタスク・予算軸データ選別法
・大規模言語モデルの微調整時に、全サンプルが同等に寄与するわけではないため、情報量の高い訓練データを選別して計算コストを削減する研究。 ・従来のデータ品質・多様性・推論トレース長といった固定ヒューリスティクスは、タスクごとに有効性が異なり汎化困難という課題を指摘。 ・Perplexity（困惑度）ベースのデータ選別アプローチを提案し、タスク固有かつ予算制約下での効率的なサンプル選択を実現。
- 公開Source
自動発見システムに汎用的に優れた手法は存在しない
・OpenEvolve や TTT-Discover などの自動発見システムは、アーカイブ・親選択・探索・予算配分といった複数の設計選択を組み合わせた複合システムである。・これらのシステムは実務的には汎用ハーネス（枠組み）として扱われているが、最適な設定は問題ごとに異なる可能性を指摘。・発見実行は計算コストが高く確率的性質を持つため、既存手法の比較には統計的に十分な独立試行が不足している傾向。
- 公開Source
Google、Geminiの効率化向け新型AI チップを開発中
・Alphabet（Google の親会社）が Gemini モデルの動作効率を高める専用 AI チップの開発を進めている。 ・新チップにより、推論速度の向上とコスト削減が期待される。 ・独自チップ化により Google は生成 AI 環境の競争力を強化する意向。
- 公開Source
能動的な観察を測る視覚・言語モデルのベンチマーク
・人間の視覚は継続的な目の動きと仮説の更新を伴う動的プロセスだが、現在の視覚言語ベンチマークでこれを測定していない ・新しいベンチマーク「ActiveVision」を提案し、大規模言語モデルが能動的観察（段階的な情報探索）を実行できるかを評価 ・既存のスナップショット型評価では見落とされる、モデルの観察戦略の質と効率を測定することが目的
- 公開Source
Couchbase が Amazon Bedrock を活用した Capella iQ の複数モデル AI アーキテクチャを構築
・Couchbase が開発したデータベース補助ツール「Capella iQ」は、単一の大規模言語モデルではなく複数モデルを組み合わせた AI アーキテクチャを採用 ・Amazon Bedrock を活用して複数の基盤モデル（Foundation Model）を統合し、柔軟性・スケーラビリティ・耐障害性を確保 ・クエリ生成、インデックス推奨、マルチターン対話など複雑なワークフローに対応可能 ・エンタープライズ向け採用拡大に伴い、複数モデ...
- 公開Source
推論能力の形成：事前学習から強化学習までの全体像
・大規模言語モデル（LLM）の推論能力向上に強化学習（RL）が中心的役割を果たしているが、事前学習との相互作用はほとんど研究されていない。・本研究は、事前学習の条件（モデルサイズ、学習データ）がRL投資のリターンにどう影響するか、またRLが実際にモデルに何をもたらすかという基本的な2つの問題に取り組む。・従来のLLM研究では事前学習コーパスの詳細が非公開のため、このような検証は困難だった。
- 公開Source
エージェント型強化学習でMuon最適化器はいつ役立つか
・Muon最適化器は大規模事前学習ではAdamWと同等だが、強化学習の後学習での有効性は未検証 ・報酬が疎な環境でのエージェント学習（ALFWorld、Qwen2.5モデル）にMuonを適用すると、検証成功率が29%から54.6%に大幅向上（+88%） ・隠れ層の重み行列に限定してMuonを適用することで、効率的な学習を実現
- 公開Source
AI支援の創造性：個人成果と集団多様性のトレードオフ
・MIT Sloan の実証研究（4 つの創造性課題）では、AI 支援が個人の成果を向上させる一方で、集団全体のアイデア多様性を低下させることを実証 ・AI は創造性が低い個人ほど成果を引き上げるが、その結果グループ全体のアイデアが収束し、似通った提案が増加 ・創造的営為の外部化・自動化により、チーム内のユニークな視点や斬新なアプローチが失われるリスク ・企業が短期的な個人生産性向上のみを追求した場合、イノベーション環境の劣化につながる...
- 公開Source
学習データへの計算的プロパガンダ攻撃：大規模言語モデルの安全性リスク
・大規模言語モデル（LLM）の学習データに悪質な情報を混入させる「ポイズニング攻撃」が、既存研究の想定を超えて実行可能であることを実証。 ・Wikipediaなど単一ソースではなく、実際の学習データのような大規模で多様なデータセットでも攻撃が成立することを確認。 ・データ品質チェック（キュレーション）パイプラインとの相互作用を考慮した新たな攻撃リスクを指摘。 ・LLMに隠蔽された有害な動作が組み込まれ、検出・修復が困難になる可能性を警告...
- 公開Source
SceneBind：ビジョン・音声・言語を統合した「何が」「どこに」の同時理解
・複数モダリティ（視覚・音声・言語）を統合し、シーン内の物体の意味的特徴と3次元空間位置を同時に学習する新手法 ・既存の多モーダルモデルは「何があるか」は得意だが「どこにあるか」の空間構造が不明確な課題を解決 ・グローバルな意味埋め込みと物体中心の意味空間スロットの組み合わせで、より完全なシーン表現を実現
- 公開Source
Reflection AI、Nebiusと10億ドル規模の計算資源契約を締結
・2024年設立のReflection AIが、Nebius（クラウドインフラ企業）と10億ドル規模の計算リソースアクセス契約を締結した。 ・Reflection AIはオープンソースAI技術の開発を進めており、大規模計算リソースの確保で開発体制を強化。 ・スタートアップの生成AI開発において、計算インフラへの長期確保契約が資金調達と並ぶ重要な経営課題になりつつある。
- 公開Source
大規模言語モデルのメタ認知：基礎・進展・応用可能性
・メタ認知（自分の思考過程を認識・評価する能力）は効果的な学習・問題解決・意思決定に必須の知能要素。 ・近年、透明性の高い信頼できるAIシステムの基盤として認識が広がっている。 ・LLMがメタ認知能力をいつ・どのように・どの程度発揮・獲得できるかは未解明。 ・本論文は、LLMのメタ認知に関する基礎研究の現状と今後の機会をまとめた総説。
- 公開Source
ConceptSMILE：概念ベース説明型AIの信頼性監査フレームワーク
・概念ベースの説明型AI（XAI）は人間が理解しやすいが、その概念レベルの出力が常に信頼できるとは限らない問題に対応 ・ConceptSMILEは摂動ベースの監査フレームワークで、特徴量やリージョンレベルではなく人間理解可能な概念レベルでの説明の信頼性を評価 ・モデル非依存の設計により、異なるAI/ML環境での汎用的な適用が可能
- 公開Source
UMAP内部のk近傍グラフを活用した高次元データの可視化と分析
・UMAP は 2 次元投影結果だけでなく、内部で構築される k 近傍グラフに豊富な情報を保有している ・このグラフは元の高次元空間でのデータ構造を捉えており、2 次元投影による歪みを回避できる ・標準的なグラフアルゴリズムをこのグラフに適用することで、従来のワークフローでは見落とされていた分析が可能になる
- 公開Source
実行トレースから根本原因へ：エージェント最適化のための構造的軌跡分析と因果抽出
・長時間のタスク実行を行うAIエージェントの改善には、大言語モデルが失敗を診断し改良する反射型メカニズムが用いられている ・実際の実行記録は冗長性と異質性があり、最適化が非効率で過学習につながるため、有効な信号抽出が課題 ・個別の実行軌跡内のノイズを除去し、構造的な因果関係を特定する手法を提案
- 公開Source
画像生成AIの知識限界を超える検索機能の実装と評価
・画像生成AIは学習データにない新しい概念や最新トレンドを幻想（ハルシネーション）で補う問題がある ・ユーザーの要望は無限に多様で、訓練済みモデルの固定知識では対応できない構造的課題に直面している ・SearchGen-20K と SearchGen-Bench という 20,839 個のプロンプトを含むベンチマークデータセットを構築した ・12 のエラー分類と 22 のドメインをカバーし、生成AIの知識境界拡張を測定する枠組みを提供す...
- 公開Source
弱いモデルでのRL学習を強いモデルに転移させる効率化手法
・小規模な言語モデルで強化学習（RL）を実行して得た知見を、大規模モデルへ直接転移する手法を提案。 ・検証可能な報酬に基づくRL学習は推論性能を高めるが、計算コストが課題となっており、モデル規模の拡大に伴いボトルネック化。 ・小規模モデルでのロールアウト生成コストを削減しつつ、大規模モデルの性能向上を実現する効率的なアプローチ。
- 公開Source
人手ラベルなしで学習する解釈可能な深層学習：天文観測データの真贋分類と不確実性推定
・時間領域天文サーベイで大量に発生する一過性現象候補の分類を、人手ラベルなしで実現する深層学習手法を提案 ・合成トランジェント（注入された現象）と実観測ノイズデータを組み合わせることで学習データセットを構築 ・クラス不均衡が強い条件でも堅牢に動作し、予測の確実性を定量的に示すことで信頼性を向上 ・解釈可能性を備えることで、分類根拠の透明性を確保