先日、国内メディアが羅福莉氏の親族から得た情報によると、この95年生まれのAI天才少女は新たなキャリアをスタートさせ、新ポストで働き始めたとのことです。しかしながら、具体的な就職先については、現時点では明らかになっていません。2024年末を振り返ると、テクノロジー業界では大きな波紋が起きました。小米グループ創業者雷軍氏が、AI大規模言語モデル研究の突破を目指して、羅福莉氏を数千万の年収という破格の条件でチームに迎え入れるため誘ったのです。この動きは瞬く間にネット上で大きな話題となりました。

浙江大学と阿里巴巴達摩院は先日、教育ビデオから高品質なマルチモーダル教科書を作成するという注目すべき研究成果を発表しました。この革新的な研究は、大規模言語モデル（VLMs）のトレーニングに新たな視点を提供するだけでなく、教育資源の活用方法を変える可能性も秘めています。人工知能技術の急速な発展に伴い、VLMsの事前学習コーパスは、主に画像テキストペアデータと画像テキスト混在コーパスに依存しています。しかし、これらのデータは現在、主にウェブから取得されており、テキストと画像の関連性が弱く、知識密度も比較的低いという課題があります。

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。

先日、阿里巴巴達摩院の研究チームは、重要な研究成果である「SHMT：自己教師あり階層的メイクアップ転移」を発表しました。この論文は、国際トップレベルの学術会議NeurIPS2024に採択されています。この研究は、潜在拡散モデル（Latent Diffusion Models）を利用して正確なメイクアップ画像生成を実現する、新しいメイクアップ効果転移技術を示しており、メイクアップアプリケーションと画像処理分野に新たな活力を注入しています。簡単に言うと、SHMTはメイクアップ転移技術であり、

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。

阿里巴巴達摩院は最近、研究者が研究アイデアを自動生成できるAIツールであるCoI-Agentをオープンソース化しました。このツールは、入力された論文のテーマに基づいて、関連する研究アイデアを迅速に生成し、研究者の時間と効率の向上に役立ちます。CoI-AgentはAI研究アシスタントとみなすことができ、研究者のブレインストーミング、発想の広がり、新たな研究方向やアイデアの発見を支援します。このツールは、入力されたテーマに基づいて、関連するキーワードや研究課題を迅速に生成できます。

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。