人工知能（AI）の分野では、大規模言語モデル（LLM）が自然言語処理において優れたパフォーマンスを発揮していますが、複雑な推論タスクに直面するとしばしば力不足を感じます。これらのタスクは、通常、複数のステップにわたる推論や、特定の領域に関連する知識、あるいは外部ツールの効果的な統合を必要とします。これらの制限を克服するために、研究者たちはLLMの能力を向上させるために外部ツールの使用方法を探求しています。従来の強化手法は通常、モデルの微調整や追加のトレーニングを必要とし、タスクへの適応性や柔軟性に制約をもたらします。

Metaは最近、最先端AIモデルがもたらすリスクを評価・軽減し、必要に応じて開発の中止またはこれらのシステムのリリース制限を行うことを目的とした、新たなリスクポリシーフレームワークを発表しました。このフレームワークは「最先端AIフレームワーク」と呼ばれ、MetaがどのようにAIモデルを高リスクと重要リスクの2つのカテゴリに分類し、それに応じて対策を講じてリスクを「許容できるレベル」まで軽減するかを詳細に説明しています。このフレームワークでは、重要リスクは特定の脅威シナリオの実行に独自に貢献できるものとして定義されています。一方、高リスクとは

マルチモーダル大規模言語モデル（MLLM）の進歩により、画像とビデオ関連のタスク（ビジュアルクエスチョン・アンサーリング、ナレーション生成、インタラクティブ編集など）は革命的な進歩を遂げました。しかし、ビデオコンテンツのきめ細かい理解を実現するには、依然として大きな課題が残されています。この課題には、ピクセルレベルのセグメンテーション、言語記述を伴うトラッキング、特定のビデオプロンプトに対するビジュアルクエスチョン・アンサーリングなどのタスクが含まれます。最新の最先端のビデオ認識モデルは、セグメンテーションとトラッキングのタスクで優れた性能を発揮していますが、オープンエンドな言語理解と対話能力はまだ不十分です。さらに

先日、Microsoft AI研究チームはオープンソースツールPromptWizardを発表しました。これはフィードバック駆動型のAIフレームワークであり、大規模言語モデル（LLM）のプロンプト設計を効率的に最適化することを目的としています。プロンプトの質はモデル出力の優劣に非常に重要ですが、高品質なプロンプトの作成には多くの時間と人的資源を必要とすることが多く、特に複雑なタスクや特定の分野のタスクでは顕著です。従来のプロンプト最適化方法は、人間の経験に大きく依存しており、時間のかかるだけでなく、拡張性にも乏しいという問題がありました。既存の最適化技術は…

Metaは先日、オープンソースのAIバーチャル試着フレームワーク「Leffa」を発表しました。このフレームワークは、新しい画像を生成することでユーザーの試着体験を向上させることを目的としており、ユーザーは参照画像に基づいて、異なる服装やポーズを切り替えることができます。従来の方法と比較して、Leffaは細部の保持と画像の歪みの低減において優れたパフォーマンスを発揮します。Leffaの登場は、オンラインショッピングやバーチャル試着に新たな可能性をもたらします。ユーザーは参照画像をアップロードするだけで、システムはその画像に基づいて新しいスタイリング効果を生成します。

昇思人工知能フレームワークサミットが成功裏に開催され、18団体から昇思フレームワークを基盤とした複数の大規模モデル開発成果が発表されました。これらの新進展は、昇思の人工知能分野における急速な発展と影響力の向上を示しています。予測によると、中国AIフレームワーク2024年の新規市場における昇思のシェアは30％に達する見込みです。2020年のオープンソース化以来、昇思MindSporeテクノロジーは継続的に革新を続け、そのエコシステムもますます発展しています。現在、昇思は国内外の主要な大規模モデル50種類以上を成功裏に育成・サポートしています。

人工知能を活用した画像生成と理解の分野では、急速な進歩にもかかわらず、シームレスで統一的な手法の発展を妨げる大きな課題が残されています。現在、画像理解に特化したモデルは高品質な画像生成においてしばしば劣るパフォーマンスを示し、その逆も同様です。このようなタスク分割型のアーキテクチャは複雑性を増すだけでなく、効率性を制限し、理解と生成の両方が必要なタスクの処理を煩雑にしています。さらに、多くの既存モデルは、どちらかの機能を効果的に実行するためにもアーキテクチャの変更や事前学習済みコンポーネントに過度に依存しており、パフォーマンスのトレードオフが生じています。

AIGC技術の急速な発展に伴い、画像編集ツールがますます強力になり、画像の改ざんは容易になり、検出も困難になっています。既存の画像改ざん検出と特定方法（IFDL）は通常効果的ですが、大きく2つの課題に直面しています。1つは「ブラックボックス」的な性質で、検出原理が不明瞭であること。もう1つは汎化能力が限られており、Photoshop、DeepFake、AIGC編集など、様々な改ざん方法に対応できないことです。これらの問題を解決するために、北京大学の研究チームは、説明可能なIFDLタスクを提案しました。

Patchedは、Y Combinator支援の2023年設立スタートアップで、AIによるコードレビュー、ドキュメント生成、メンテナンスタスクの自動化を通じて、開発者に革新的なソリューションを提供します。オープンソースフレームワークとして、Anthropic Claude、Cursor、Zed、Microsoft Copilot、Replit Agentsといった大規模言語モデル（LLM）を活用し、開発者向けにカスタマイズされたワークフローを提供します。

マイクロソフト研究所と北京航空航天大学の研究チームは、マルチモーダル大規模言語モデル（MLM）開発における課題解決を目指し、高効率なマルチモーダル埋め込みフレームワークE5-Vを発表しました。この革新的なフレームワークは、単一モーダル学習によってマルチモーダル学習プロセスを簡素化し、従来のモデルに見られた独立したエンコーダーへの依存と、それに伴う入力統合の非効率性を克服します。E5-Vはテキストと画像情報を統合することでトレーニングコストを削減し、テキスト-画像検索、画像検索など、複数の複雑なタスクにおいて優れた性能を示しました。特にゼロショット学習において…

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、