MusiConGenモデルは、事前学習済みのMusicGen-melodyフレームワークを微調整したもので、様々なスタイルの音楽片段の生成に使用されます。研究チームは、コードとリズムの制御パラメータを設定することで、生成された音楽サンプルを提示しており、リラックスしたブルース、スムーズなアシッドジャズ、クラシックロック、ハイエナジーファンク、ヘヴィメタルの5つの異なるスタイルを含んでいます。

イーロン・マスクは、xAIが来月、GPT-4と同等の性能を持つAIモデルGrok 2を発表し、12月にはさらに強力なGrok 3を発表する予定であると発表しました。Grok 3はメンフィスデータセンターで15,000個以上のGPUを用いた大規模なトレーニングが行われています。一部のテスラビデオデータはまだモデルのトレーニングに利用されていませんが、ChatGPTとの比較ではGrokはまだいくつかの点で劣っていることが示されています。Xの買収という文脈においては、キャッチアップには時間が必要です。

小紅書は先日、「科技薯」アカウントを立ち上げ、世界初のAIコンビニ創業プロジェクトを開始しました。全網の優れたクリエイターやテクノロジー企業と協力し、AIの最先端技術、有益な情報、感情的な体験などを提供するコンテンツを配信します。このコンビニでは、@趙純想氏などのクリエイティブなAI製品、例えば食事補助、AI式ラーメンレシピ、AIによる頸椎病治療、林亦LYi氏の家伝のAI治療、AIによる母親の未完成の仕事の完了支援などが販売されています。「科技薯」はまた、イベントを開催し、#AIコンビニを使用してAI関連の投稿を作成した投稿者に3万〜50万PVの支援を提供します。

最近、4050億パラメーターを持つオープンソースの大規模言語モデルLlama 3.1がRedditでリークされ、大きな注目を集めています。現在、GPT-4に最も近いオープンソース製品と見なされており、一部の性能ではGPT-4を上回るとさえ言われています。Meta（旧Facebook）によってリリースされたこのモデルは、ベースモデルと70Bバージョンのベンチマーク結果を含んでおり、複数の性能テストでGPT-4を上回っています。Llama 3.1は、多言語サポート能力と広範なトレーニングデータセット（15Tトークン以上）を備えています。

アップルとそのパートナーは、7億パラメーターを持つオープンソースの大規模言語モデルDCLMを発表しました。2.5兆個のトークンデータでトレーニングされており、言語の理解と生成能力が大幅に向上しています。DCLMの中核は、標準化されたデータセット最適化ツールであり、Hugging Faceプラットフォームで研究者が実験を行い、様々なデータセットの品質と改善方法を評価することを目的としています。研究によると、DCLMを用いて構築されたベンチマークデータセットは、特にM…において、主要なテストで優れた性能を示すモデルをトレーニングできることが示されています。

LMSYS組織の大規模言語モデル競技場—Chatbot Arenaの最新ランキングによると、LMSYS Chatbot Arenaの総合ランキングで11位となり、Llama3-70B、Qwen2-72B、Nemotron-4-340B、Gemma2-27Bなどの多くのオープンソースモデルを上回り、世界中のオープンソースモデルの中でトップにランクインしました。DeepSeek-V2-0628は、0507バージョンと比較して、コード、数学推論、指示遵守、ロールプレイング、JSにおける能力が大幅に向上しています。

Goldfishの公式ウェブサイトでは、任意の長さの動画を処理するために特別に設計された革新的な技術を紹介しています。従来のAIモデルが長尺動画の処理において直面していた「ノイズと冗長性」や「メモリと計算能力」の制約を克服しました。その鍵となる技術は次のとおりです。1. **検索メカニズム**：効率的な技術を用いて長尺動画から最も関連性の高い動画片段を抽出し、回答を生成します。2. **MiniGPT4-Video**：動画片段の詳細な説明を生成する機能で、動画フレームと字幕を組み合わせることで、動画内容の包括的な理解を強化します。3.

開発者がIMAGDressing-v1を発表、より柔軟でリアルなバーチャル着衣体験を提供するAI仮想着衣ツールです。主な特徴は以下の通りです。1）シンプルな構造と高効率なリアルな衣服生成能力。ユーザーは画像を提供するだけで、追加操作なしで迅速に仮想着衣効果を生成できます。2）IP-AdapterやControlNetなどのプラグインに対応し、ツールの機能を拡張し、より多くの用途に対応します。3）実験的な部分変更機能を採用し、ユーザーは衣服の特定領域を変更でき、精度が向上します。

大型言語モデル（LLM）は自然言語処理タスクで優れた能力を示していますが、教師あり微調整、人間のフィードバックによる強化学習、敵対的訓練などの方法に基づく有害な要求を拒否するメカニズムは脆弱性を持っていることが、記事で指摘されています。研究者らは、有害な要求を過去形にすることで、主要なモデルが拒否トレーニングを「回避」し、成功率が大幅に向上することを発見しました。GPT-4oを例にとると、成功率は1％から88％に上昇しました。これは、対応策に限界があり、異なる言語や特定の入力エンコーディングにおいてその効果が異なることを示唆しています。

急速に発展するグローバル化の時代において、言語を超えたコミュニケーションのニーズはますます高まっており、特に動画コンテンツの世界的な普及が顕著です。このニーズに応えるべく開発されたEasyVideoTransは、高度な専門性の動画変換ツールです。PCのGPUアクセラレーション技術を活用することで、高速かつ高効率な動画変換を実現しました。このツールは独自のGPUアクセラレーション機能により、従来数時間から数日かかっていた作業を数分以内に完了できるようになり、翻訳や校正の効率を大幅に向上させます。様々な高度な機能を提供しています。

Doubaoブラウザープラグインは、情報化社会における効率的な知識整理・吸収のための強力ツールであり、膨大な情報への対処を目的に設計され、ユーザーの時間節約と作業効率の向上に貢献します。主な機能は以下の通りです。1. **動画とPodcastの要約**: Doubaoプラグインを使用することで、動画の要約を迅速に取得し、ワンクリックで明確な目次を生成し、非常に長いコンテンツを分かりやすく表示できます。さらに、Podcastの内容を自動的にテキストに変換し、ユーザーが効率的に復習・整理できるようにします。2. **多機能ブラウジング**: PC端の体験を全面的に最適化し、クロスフィールドをサポートします。

OpenAIが最新のAIモデルであるGPT-4o miniを発表しました。これはChatGPTの利用範囲拡大のために設計された、GPT-4oの高効率派生版です。GPT-4o miniは、50言語の音声、ビデオ、テキスト処理に対応し、最終的には画像、ビデオ、オーディオを統合します。GPT-3.5 Turboの後継として、数学、コーディング、視覚推論タスクにおいて著しく向上した能力を提供します。開発者向けには、GPT-4o miniは

マイクロソフトの研究者らが、AIデータセット生成プロセスを自動的に適応・最適化し、人的介入を必要としない新しいAIフレームワークAuto Evol-Instructを発表しました。従来の専門家によるルール設定が必要な進化方法とは異なり、このフレームワークは大規模言語モデル（LLMs）を用いて指示を分析し、進化ルールを設計・最適化します。Auto Evol-Instructは、指示遵守能力、数学的推論、コード生成などのタスクのパフォーマンスを自動的に向上させ、LLMsのパフォーマンスを大幅に向上させます。比較テストにより、

AI分野において、GPT-3やLlama-2などの大規模言語モデル（LLM）は高い言語理解能力と生成能力を示しています。しかし、これらのモデルは膨大なパラメータ数のため、トレーニングと配置に高いリソースを必要とするという課題があります。従来の解決策としては、様々な計算環境に対応するため複数のバージョンのモデルをトレーニングするという方法がありますが、これは非効率です。そこで、NVIDIAとテキサス大学オースティン校は、追加の微調整が不要な柔軟なモデルアーキテクチャと最適化手法をサポートするFlextronフレームワークを発表しました。Flextr

Anthropic社は、人気のチャットボットClaudeのAndroidアプリ版を正式リリースしたと発表しました。これにより、Claudeは高度な人工知能を用いてユーザーと自然なテキストでのインタラクションを行い、タスク解決や革新的な協業を支援するだけでなく、新たに搭載されたClaude Vision機能によって画像の内容を解析し、AIの適用範囲を拡大します。OpenAIの人気製品ChatGPTと比較して、Anthropic社は特にユーザーのプライバシーを重視し、ユーザーのインタラクションデータをAIモデルの学習に使用しません。

AI技術で検索体験を革新することを目指す新興企業、Exa AIが、Lightspeed、NvidiaのNVentures、Y Combinatorから1700万ドルのシリーズA資金調達を発表しました。従来の検索エンジンとは異なり、Exa AIはAI用に設計された検索ツールとして位置付けられており、情報洪水の中から知識の宝庫を抽出することを目指しています。その主な強みは以下の通りです。1. **データの整理と選別**：ベクトルデータベースと埋め込みモデルを採用

トップエンジニアのAndrej Karpathy氏がEureka Labsを設立、教師とAIによる教育モデルの旗艦を発表。Eureka Labsは、人間の専門家によるカリキュラムとAIによるティーチングアシスタントを融合させ、学習効率の最適化を目指しています。主力製品である「世界最高のAIコース」LLM101nでは、学生にAIのトレーニング方法を教えることを目的としています。オンラインとオフラインの両方のサポートを提供し、普及性、パーソナライズ、インタラクティブ性の高い教育体験を確保します。このプラットフォームは、広く普及しているAIを活用することで、すべての学習者へ高品質な教育を提供することを目指しています。

この記事では、革新的な動画生成におけるAI技術の応用、特に抽象的な概念を視覚化し、ユーモラスで啓発的なコンテンツを作成する方法に焦点を当てています。BilibiliのUP主がAIを使用して、抽象的なオーディオを様々な要素と場面を含む動画に変換することに成功した事例を紹介。スパゲティとコンクリートの組み合わせ、三角関数と海の融合、『天盛長歌』のセリフ「辛いのが苦手」の様々なキャラクターによる演技など、AIによる二次創作、感情の変換、創造的な場面の拡張の可能性を示しています。このような実験は、AIと人間の深い探求に繋がるでしょう。

KPMGが2024年版企業AI戦略レポートを発表。生成AI（GenAI）への投資と活用が大きく変化していることを示しています。企業リーダーは、AIへの投資だけでは不十分であり、GenAIの活用を積極的に拡大し、新たな収益機会を創出し、投資収益率を高める必要があることを認識しています。調査によると、米国の企業の80％がGenAIを競争優位性の鍵とみなし、AI優位性を獲得することを目指しています。また、企業リーダーの97％がAIを仕事の焦点と考えています。収益創出は、生産性向上よりも優先されるAI投資の主要なリターン指標となっています。技術専門知識とベンダー

Metaが、Llama 3 405Bと呼ばれるオープンソースの大規模言語モデルを発表予定です。これは、現在までに存在する中で最大のパラメータ数（4050億）を持つモデルであり、史上最大のオープンソースモデルでもあります。画像とテキスト間の自由な変換が可能なため、従来のテキストのみを処理できるという限界を克服します。Llama 3 405Bは7月23日に公開予定で、オープンソースであることから、AIモデルへのアクセスと利用方法が大幅に向上し、AIコミュニティの透明性も高まります。開発者にとって、4050億個のパラメータにアクセスできることは...