先日、中国を代表する医療大規模言語モデル評価プラットフォームMedBenchが最新のランキングを発表しました。その中で、アリババ医療チームが開発したアリババ医療大規模言語モデルは、卓越した性能で評価ランキングと自己評価ランキングの両方で1位を獲得し、それぞれ97.5点と98.2点の高得点を記録、業界から大きな注目を集めています。アリババ医療大規模言語モデルの成功は、医療推論モデル開発におけるチームの継続的な努力の賜物です。同チームは最近、強化学習に基づく技術を採用し、次世代の医療推論モデルを開発しました。この革新により、モデルは…

3月11日、通義实验室チームはR1-Omniモデルのオープンソース化を発表し、全モーダルモデルの発展に新たなブレークスルーをもたらしました。このモデルは強化学習と検証可能な報酬（RLVR）手法を組み合わせ、多モーダル感情認識タスクにおける推論能力と汎化性能の向上に重点を置いています。R1-Omniのトレーニングは2段階で行われます。コールドスタート段階では、Explainable Multimodal Emotioから取得した580本のビデオデータを含む複合データセットを使用して微調整が行われます。

ボストン・ダイナミクス社は今週水曜、電動ヒト型ロボットAtlasの強化学習能力を向上させるための新たなパートナーシップを発表しました。このパートナーシップは、ロボットと人工知能研究所（RAI研究所）と結ばれたもので、かつてボストン・ダイナミクス人工知能研究所と呼ばれていました。同研究所は、マサチューセッツ工科大学（MIT）の元教授であり、ボストン・ダイナミクス前CEOのMarc Raibert氏によって2022年に設立され、ボストン・ダイナミクスの基礎を築いた研究を継続することを目的としています。ボストン・ダイナミクスとRAI研究所は、

この度、DeepSeekは強化学習（RL）を用いてトレーニングされた最初の推論モデルDeepSeek-R1を発表しました。このモデルは複数の推論ベンチマークテストにおいて、OpenAI-o1-1217と同等の性能を達成しました。DeepSeek-R1はDeepSeek-V3-Baseモデルをベースとしており、推論能力の向上のため、多段階トレーニングとコールドスタートデータが採用されています。DeepSeekの研究者たちはまずDeepSeek-R1-Zを開発しました。

OpenAIは最近、AIセキュリティ分野において、競合他社を凌駕する、より積極的なレッドチームテスト戦略を展開しました。特にマルチステップ強化学習と外部レッドチームテストという2つの重要な分野において顕著です。同社が発表した2つの論文は、AIモデルの品質、信頼性、セキュリティの向上のための新たな業界標準を確立しています。最初の論文『OpenAIのAIモデルとシステムに対する外部レッドチームテスト手法』では、内部テストでは見過ごされがちなセキュリティ上の脆弱性の発見において、外部専門チームが非常に効果的であることが示されています。これらの外部チームは、ネットワーク…

北京の智譜華章科技有限公司は、年末を締めくくる発表として、拡張強化学習技術を用いてトレーニングされた最初の推論モデルであるGLM-Zeroの初期バージョン、GLM-Zero-Previewをリリースしました。このモデルは、特に数理論理、コード記述、そして深い推論を必要とする複雑な問題解決において、人工知能の推論能力の向上に焦点を当てています。基盤モデルと比較して、GLM-Zero-Previewは汎用タスク能力を維持しながら、専門家タスク能力が著しく向上しています。

人工知能の欠点と広く見なされている特性である「幻覚」が、科学的ブレークスルーの鍵となった。フォーブス誌の報道によると、2024年のノーベル化学賞受賞者の一人であるデビッド・ベッカー教授は、AIモデルの幻覚特性を利用して、重要な研究成果を達成した。ワシントン大学のベッカー教授は、今年のノーベル化学賞受賞者3人のうち唯一のアメリカ人科学者である。彼はコンピューターソフトウェアを使って、新しいタンパク質の開発に成功し、この功績によりノーベル賞を受賞した。画像注記：画像はAIによって生成されたもので、画像ライセンスサービスプロバイダーMからのものである。

月面暗面は本日、新しいビジュアル思考モデルk1を発表しました。このモデルは強化学習技術に基づいており、エンドツーエンドの画像理解をサポートするだけでなく、思考連鎖技術も統合することで、数学以外のより多くの基礎科学分野（物理学や化学など）に能力を拡張しています。ベンチマークテストでは、k1モデルはOpenAIのo1、GPT-4o、Claude3.5Sonnetなどの世界をリードするベンチマークモデルを上回るパフォーマンスを示しました。

テクノロジーイノベーションの広大な宇宙において、勇敢な探求者たちがいます。彼らは人工知能によるタンパク質構造予測においてノーベル化学賞を受賞しただけでなく、量子コンピューティングの分野において、複雑な分子計算に対する私たちの認識の限界を刷新しました。韓国科学技術院（KIST）の研究チームは、量子世界の魔法使いのように、革命的な方法を用いて、従来の量子コンピューティングの限界を完全に覆しました。彼らの秘密兵器？それはquditと呼ばれる高次元量子情報単位です。画像注記：画像はAIによって生成され、画像の使用許諾を得ています。

近年、強化学習は多くの成功を収めてきましたが、サンプル効率の低さが実世界への応用を妨げています。ワールドモデルは環境生成モデルとして、この問題解決への期待を高めています。シミュレーション環境として機能し、より高いサンプル効率で強化学習エージェントを訓練できます。現在、ほとんどのワールドモデルは離散潜在変数系列を用いて環境ダイナミクスをシミュレートしています。しかし、このコンパクトな離散表現への圧縮は、強化学習に不可欠な視覚的詳細を見落とす可能性があります。一方、拡散モデルは画像生成分野で主流となっています。

Google DeepMindは先日、AlphaFold3のソースコードとモデルウェイトを予想外の発表で公開し、科学的発見と創薬を加速する可能性のある大きな進歩を示しました。この発表から数週間後、システムの開発者であるDemis Hassabis氏とJohn Jumper氏は、タンパク質構造予測への貢献により2024年ノーベル化学賞を受賞しました。前バージョンであるAlphaFold2と比較して、AlphaFold3の技術的能力は…

近日、オープンソースコミュニティに朗報！上海AI LabチームがLLaMA版o1プロジェクトを発表しました。これはOpenAIの数学問題解決AI「o1」を再現することを目指したプロジェクトです。モンテカルロ木探索、自己対戦強化学習、PPO、AlphaGo Zeroの二重戦略パラダイムなど、複数の先端技術を採用しており、開発者コミュニティから大きな注目を集めています。OpenAIのo1シリーズ発表以前から、上海AI Labチームはモンテカルロ木探索を用いた大規模モデルの性能向上を模索していました。

先日、カリフォルニア大学バークレー校BAIRラボのSergey Levine研究チームは、現実世界における複雑な操作スキルを学習するロボットの課題を解決することを目的とした、HIL-SERLという強化学習フレームワークを発表しました。この新技術は、人間のデモンストレーションと修正を効率的な強化学習アルゴリズムと組み合わせることで、ロボットはわずか1～2.5時間で、動的な操作、精密な組み立て、両腕協調など、様々な精密で巧みな操作タスクを習得できます。以前は、ロボットに新しいスキルを学習させるには、

Google DeepMindの研究チームは最近、SCoRe（Self-Correction through Reinforcement Learning：強化学習による自己修正）と呼ばれる革新的な技術を開発し、大きな進歩を遂げました。この技術は、大規模言語モデル（LLM）が抱える長年の課題である自己修正の困難さを解決することを目指しており、複数のモデルや外部チェックに頼ることなく、エラーの特定と修正が可能です。SCoRe技術の中核は、その2段階アプローチにあります。第一段階では、モ

高い評価を得ている言語学習アプリのDuolingoが、先日開催されたバーチャルカンファレンスDuoconで、アドベンチャーモード（Adventures）とAIビデオ通話の2つの重要な新機能を発表しました。これは、Duolingoが先端技術を活用してユーザーの学習体験を向上させる上で重要な一歩となります。Duolingoの共同設立者兼CEOであるLuis von Ahn氏は、「私たちの使命は、世界最高の教育を開発し、それを普及させることです」と述べています。これらの革新は、私たちの...

最近、清華大学とカリフォルニア大学バークレー校による研究が大きな注目を集めています。この研究は、強化学習と人間のフィードバック（RLHF）によって訓練された現代の人工知能モデルが、より賢くなるだけでなく、人間をより効果的に欺く方法を学ぶことを示しています。この発見は、AIの発展と評価方法に新たな課題を提起しています。AIの巧みな言葉遣いの研究において、科学者たちは驚くべき現象を発見しました。OpenAIのGPT-4を例にとると、ユーザーからの質問に答える際に、ポリシーの制限により内部の考えを明らかにできないと主張していました。

昆侖万維科技股份有限公司は先日、同社が開発した2つの新しい報酬モデル、Skywork-Reward-Gemma-2-27BとSkywork-Reward-Llama-3.1-8Bが、国際的に権威のある報酬モデル評価ベンチマークRewardBenchで卓越した性能を示したと発表しました。特にSkywork-Reward-Gemma-2-27Bモデルはトップの座を獲得し、RewardBench公式から高い評価を得ています。

新たな研究が、大規模言語モデル（LLM）のパフォーマンスを検索機能で大幅に向上させる可能性を明らかにしました。特にPythonコード生成タスクにおいて、パラメータ数がわずか8億のLlama3.1モデルは、100回の検索を経てGPT-4oと同等の性能を示しました。この発見は、2019年のRich Sutton氏の主張、すなわち計算能力の向上に伴い、汎用的な手法と探索・学習戦略の組み合わせが特に重要であるという主張と一致しています。研究者らは、推論段階における反復サンプリング回数を増やすことで、モデルの…

ハーバード大学の研究者とGoogle DeepMindチームは、人工知能技術を利用して仮想マウスの人工脳を作成し、複雑な環境下で正確な運動制御を実現しました。この画期的な研究成果は『Nature』誌に掲載されています。