アリババグループの通義实验室が開発した、ビジュアルドキュメントを対象としたRAG（Retrieval Augmented Generation）システムViDoRAGがオープンソース化されました。評価実験の結果、79.4％の高い精度を達成したことが報告されています。

ElevenLabsが、画期的な音声テキスト変換モデル「Scribe」を発表しました。英語における正確度は96.7％に達し、従来のモデルを凌駕する高い精度を実現しています。

ソーシャルメディア大手Metaは最近、脳の神経信号を読み取って文字入力が可能な新しいデバイスを開発したと発表しました。この研究成果はMetaの科学者らによる2つの研究で詳細に説明されており、高度な脳スキャン技術と深層学習AIモデルを用いて、タイピング時の脳波信号を解読し、完全な文章を再構築することに成功しました。具体的には、この技術はMEG（磁気脳波計）と呼ばれるスキャナーに依存しており、脳から発せられる微弱な磁気信号を捉えることができます。埋め込みを必要とする…

香港大学（HKU）の研究チームは先日、がん診断の速度と精度を向上させることを目的とした、人工知能ベースの画像ツールを開発したと発表しました。 「細胞形態的敵対的蒸留」（CytoMAD）と呼ばれるこの新技術は、工学部齊凱文教授の主導で開発され、生成AIの手法を用いて正確なシングルセル解析を、従来の標識技術なしで行います。CytoMAD技術は香港大学李嘉誠医学院と瑪麗病院との共同試験を経ており、肺がん患者の評価において既に成果を示しています。

音声認識分野において、中国語認識技術の発展は常に注目を集めています。最近、小紅書(Xiaohongshu)のFireRedチームは、全く新しいオープンソースの音声認識モデル——FireRedASRを発表しました。この大規模モデルに基づいた音声認識システムは、複数の標準的なテストセットで優れた成績を収め、中国語音声認識技術の大きな飛躍を意味しています。FireRedASRの主要指標は文字誤り率（CER）であり、この指標が低いほど、モデルの認識精度が高いことを示します。最近の公開テストで、Fi

天眼查Appによると、テンセント科技（深圳）有限公司は最近、「大規模言語モデルの訓練方法、装置、コンピュータ機器および記憶媒体」という名称の特許を申請しました。この特許の概要では、この方法が第一要約テキストと第二要約テキストを導入することにより、大規模言語モデルの訓練においてモデルにより多くの学習可能な情報を提供することを明らかにしています。特許明細書によると、第一要約テキストと第二要約テキストは異なる情報量を含んでおり、第一要約テキストには正しい文と間違った文が含まれています。同一テキストに対するこれら2つの...

最近、テンセント科技（深セン）有限公司は、天眼查App上で大規模言語モデルのトレーニング方法および関連機器に関する特許を発表しました。この特許の名称は「大規模言語モデルのトレーニング方法、装置、計算機設備および記憶媒体」で、革新的なトレーニング方法を通じて、大規模言語モデルの学習能力と精度を向上させることを目的としています。大規模言語モデルのトレーニングにおいて、従来の手法は単一のテキスト要約に依存することが多く、モデルの過学習を招き、生成されるコンテンツの正確性と多様性に影響を与える可能性があります。しかし、テンセントの新…

ロボット技術の発展において、シミュレーション環境と現実世界のギャップは大きな課題となっています。このたび、NVIDIA GEAR研究所とカーネギーメロン大学の研究チームが共同で、このギャップを縮めることを目的とした新しいフレームワークASAP（Aligning Simulation and Real Physics）を開発しました。このシステムは、ロボットのシミュレーションと現実の動作の誤差を約53％削減することに成功し、従来の方法よりも大幅な改善を示しています。

キル大学研究者らが、99％の高い精度でフェイクニュースを識別できる新しいAIツールを開発しました。これは、オンライン上の虚偽情報の拡散対策に大きく貢献するものです。コンピュータサイエンス数学科のウチェナ・アニ博士、サンギタ・サンギタ博士、パトリシア・アソ＝アジョボデ博士らがこの研究に参加しました。研究チームは、複数の機械学習技術を用いて、ニュース記事をスキャンし、信頼性を判断できるモデルを設計しました。「アンサンブル投票」技術を採用し、

最近、MangaNinjaという線画着色手法が注目を集めています。線画と参照画像を入力するだけで、参照画像に基づいて対象の線画を着色できます。この技術は拡散モデルに基づいており、参照画像による線画着色に特化することで、着色の精度とインタラクティブな制御能力を大幅に向上させています。研究チームは2つの革新的な設計により、キャラクターの詳細な再現を確実にしています。まず、参照カラー画像と対象線画間の対応学習を促進するためのパッチ再配置モジュールを導入しました。次に、点駆動…

ビデオテクノロジーの急速な発展に伴い、ビデオは情報検索や複雑な概念の理解において重要なツールとなっています。ビデオは視覚、時間、コンテキストデータの組み合わせにより、静止画やテキストを超えるマルチモーダル表現を提供します。今日、ビデオ共有プラットフォームの普及と教育や情報ビデオの大量出現により、ビデオを知識源として活用することで、詳細な背景、空間的理解、プロセスデモを必要とするクエリの解決に前例のない機会が提供されます。しかし、既存の検索強化生成（RAG）システムは、ビデオデータの可能性を十分に活用できていません。これらのシステムは通常

2025年の国際消費電子機器見本市（CES）で、WeWalkは視覚障碍者向けに設計されたスマート杖2を発表しました。この再設計された杖は前世代製品の多くの欠点を解決し、人工知能機能とTDkの高度なセンサー技術を搭載することで、従来の折りたたみ式白色杖の理想的な代替品となっています。WeWalkの共同創設者であるKursat Ceylan氏が自ら製品をデモンストレーションし、Smart Cane2が視覚障碍者の移動をより容易にすることを説明しました。

Meta社は先日、画期的な研究成果を発表しました。同社は、大規模言語モデル（LLM）の事実精度を大幅に向上させ、前例のない規模でのパラメーター拡張を実現する、新型メモリ層技術を開発しました。この技術は、従来のニューラルネットワークの拡張方法に挑戦するだけでなく、将来のAIアーキテクチャ設計に新たな方向性を提供します。この研究の中核は、学習可能なキーバリュー検索メカニズムを利用して、計算量（FLOPs）を増やすことなくモデルに追加パラメーターを追加することです。この手法の中核的な考え方は…

ムハンマド・ビン・ザイード大学研究者主導の研究により、医療画像の情報理解と解釈、さらに英語とアラビア語のバイリンガル分析を可能にするAIモデルBiMediX2が開発されました。特にアラビア語の処理において高い精度を示します。BiMediX2は、英語とアラビア語の両方で医療画像を分析・記述できる初のAIシステムです。X線、MRIスキャン、顕微鏡画像など、様々な医療画像に対応可能です。

2024西部科技イノベーション生態発展大会で、重慶市気象局は正式に「天資・12h」人工知能（AI）気象予報大規模言語モデルを発表しました。このモデルは成渝地域の災害性降水予測に特化しており、重慶の気象予報分野における重要な一歩を意味します。「天資・12h」大規模言語モデルは、ファーウェイ盤古グローバル気象大規模言語モデルを基礎として、成渝地域の地上気象実況データと高精度地形データを取り込み、グローバルとリージョナルの大規模言語モデルを融合したアーキテクチャを採用し、三次元地球特異トランスフォーマー（3...

人工知能の医療分野への応用が再び大きな進展を遂げました！ハーバード大学、スタンフォード大学など複数のトップ機関が共同で行った研究によると、OpenAIのo1-previewモデルは、複数の医療推論タスクにおいて驚くべき能力を示し、人間の医師を凌駕するケースもありました。この研究では、同モデルの医学多肢選択式試験におけるパフォーマンスを評価しただけでなく、実際の臨床現場を模倣した診断と管理能力についても重点的に調査し、注目すべき結果が得られました。研究者らは5つの実験を通して、o1-

北京智譜華章科技有限公司は、傘下の智譜オープンソースプラットフォームBigModelで、初の無料マルチモーダルAPIであるGLM-4V-Flashをリリースしたと発表しました。この新しいモデルは4Vシリーズモデルの優れた能力をベースに、画像処理の精度を向上させ、様々な分野で開発者が大規模言語モデルを深く掘り下げる際のハードルをさらに下げました。

人工知能が従来のテクノロジー分野を変革しており、気象予測はその最新の証です。今週、Google DeepMindチームは、GenCastと呼ばれる画期的な人工知能天気予報モデルを発表し、権威ある学術誌『Nature』に研究成果を発表しました。このAIモデルのパフォーマンスは注目に値します。研究者による比較によると、GenCastの精度は、現在世界最高峰の業務用天気予報システムである欧州中期予報センター（ECMWF）のENSシステムを上回りました。2018年のデータを用いた検証で…

Google傘下のDeepMindチームは先日、GenCastという気象予報AIモデルを発表し、その性能が欧州中期天気予報センター（ECMWF）のENSシステムを凌駕したと発表しました。この成果は気象分野で大きな注目を集めています。DeepMindチームが『Nature』誌に発表した論文によると、GenCastの予測精度は97.2％に達します。研究者らは2018年までのデータを用いてモデルを訓練し、20…