アリババ達摩院は先日、Valley2というマルチモーダル大規模言語モデルを発表しました。このモデルはECシーン向けに設計されており、拡張可能な視覚言語アーキテクチャを通じて、様々な分野のパフォーマンス向上と、ECおよび短編動画シーンにおける応用範囲の拡大を目指しています。Valley2はLLMのバックボーンとしてQwen2.5を採用し、SigLIP-384ビジョンエンコーダーとMLP層、畳み込み演算を組み合わせることで、効率的な特徴変換を実現しています。

本日、アリババの達摩院は北京で意思決定インテリジェンス製品発表会を開催し、8観気象大規模モデルを発表しました。このモデルは、世界の気象モデルをベースに、地域的多元データと組み合わせることで、時空間解像度が最高1km×1km、1時間を実現しています。この革新的な気象予測ツールは、気温、日射量、風速などの主要気象指標の予測精度を大幅に向上させ、再生可能エネルギー比率の高い新型電力システムへの導入に成功し、再生可能エネルギー発電出力と電力負荷の予測精度をそれぞれ96％に向上させました。

アリババ達摩院と中国人民大学は最近、mPLUG-DocOwl1.5というドキュメント処理モデルを共同でオープンソース化しました。このモデルはOCR認識なしでドキュメントの内容を理解できることを特徴とし、複数の視覚ドキュメント理解ベンチマークテストで優れた性能を達成しました。構造情報は、リッチテキスト画像（ドキュメント、表、図表など）のセマンティクスを理解する上で非常に重要です。既存のマルチモーダル大規模言語モデル（MLLM）はテキスト認識能力を備えているものの、リッチテキストドキュメント画像に対する一般的な構造理解能力が不足しています。

アリババグループ傘下の研究機関である達摩院は、東南アジアの言語向けに特化した人工知能大規模言語モデルを発表しました。東南アジアLLMは、ベトナム語、インドネシア語、タイ語、マレー語、クメール語、ラオス語、タガログ語、ビルマ語のデータセットで事前学習されており、言語とセキュリティのタスクにおいて他のオープンソースモデルを上回っています。特定地域向けのLLMとして、東南アジアは重要な成長市場と見なされています。SeaLLMは、非ラテン文字系タスクにおいて他のLLMを上回り、非ラテン文字系テキストの解釈と処理能力に優れています。