中国科学技術大学の研究チームが革新的な「キツツキ」メソッドを提案し、マルチモーダルLLMのハルシネーション問題を解決、モデルの精度を大幅に向上させました。5段階の手順を総合的に実施することで、このメソッドは「幻覚」現象を効果的に低減し、マルチモーダル大規模モデルの性能を向上させます。このブレークスルーは、モデルの性能向上だけでなく、指示微調整の必要性を減らし、AI分野に新たな可能性をもたらします。
【AIデイリー】へようこそ！ここは、毎日人工知能の世界を探求するためのガイドです。毎日、開発者に焦点を当て、技術トレンドを洞察し、革新的なAI製品アプリケーションを理解するのに役立つ、AI分野のホットなコンテンツをお届けします。
中国科学技術大学孫成研究グループと共同研究者らは、肝癌の再発を予測する「TIMES」スコアシステムを開発し、公開・無料で利用可能なAI診断ツールとして提供することに成功しました。この成果は、北京時間3月13日0時に国際学術誌『ネイチャー』に掲載されました。肝癌は、世界で3番目に癌関連死因が多い癌であり、手術後の再発率は70％にも上ります。肝癌の再発を正確に予測することは、長年の医学上の課題でした。腫瘍微小環境における免疫細胞の空間分布は患者の予後において重要な役割を果たしますが、これまで臨床応用は困難でした。
先日、Vectaraの機械学習チームがDeepSeekシリーズの2つのモデルに対して詳細な幻覚テストを実施した結果、DeepSeek-R1の幻覚率は14.3%に上り、前身であるDeepSeek-V3の3.9%を大幅に上回ることが判明しました。これは、推論強化のプロセスにおいて、DeepSeek-R1がより多くの不正確な内容、または元の情報と矛盾する内容を生成していることを示しています。この結果を受けて、推論強化型大規模言語モデル（LLM）における幻覚率に関する議論が活発化しています。画像参照
人工知能分野において、大規模言語モデルの幻覚問題は業界を悩ませる重要な課題となっています。最近、HHEM-2.1-Open評価システムに基づいたテスト結果によると、智譜AIのGLM-4-9Bモデルは注目すべき成果を上げました。テストデータによると、評価に参加した85個の大規模言語モデルの中で、GLM-4-9Bは98.7％の事実一致率と100％の回答率で首位を獲得しました。特に注目すべきは、このモデルの幻覚率がわずか1.3％であることであり、この成果は…
テキストから画像を生成する分野において、拡散モデルは比類のない能力を示していますが、美的画像生成においては依然として課題が残っています。最近、バイトダンスと中国科学技術大学は、生成画像の品質を向上させ、様々な視覚概念に対する汎用性を維持することを目的とした、新しい技術「Cross-Attention Value Mixing Control（VMix）アダプター」を発表しました。VMixアダプターの核心は、優れた条件制御を設計することにあります。
2024年11月12日、百度世界大会が上海世博中心にて盛大に開幕しました。本大会は基調講演1回、分科会4回、30回を超える人工知能公開講座で構成されました。百度創設者の李彦宏氏は基調講演「アプリケーション到来」において、人工知能分野における百度の最新技術革新と応用成果を紹介し、将来の業界トレンドについて深く議論しました。
【AI日報】へようこそ！人工知能の世界を探求するあなたの毎日のガイドです。毎日、AI分野のホットなトピックをご紹介し、開発者に焦点を当て、技術トレンドの洞察と革新的なAI製品の応用に関する理解を深めるお手伝いをいたします。最新のAI製品はこちらをご覧ください：https://top.aibase.com/1、OpenAI公式アカウントがハッキングされ、偽造仮想通貨の宣伝に使用された事例がありました！また別の研究では、Transformerモデルの論理的推論能力が調査されました。
中国科学技術大学研究チームが、PortraitGenという革新的な動画編集ツールを発表しました。ビデオを入力するだけで、テキストによる人物効果の変更、参照画像による人物効果の変更、着せ替え、照明効果の変更など、マルチモーダルな人物編集が可能です。さらに驚くべきことに、これら全てがわずか30分で完了し、編集後の動画は毎秒100フレームでスムーズに再生されます！この技術の中核はSMPL-X係数の追跡にあります。研究チームはまず、単眼ビデオを追跡します。
アップルの研究で、MAD-Benchベンチマークが提案され、MLLMsにおける誤った情報の脆弱性を解決します。MAD-Benchは850組の画像プロンプトを含み、MLLMsのテキストと画像の一貫性を処理する能力を評価します。研究では、GPT-4Vがシーンの理解と視覚的混乱において優れたパフォーマンスを示し、AIモデルの設計に戦略的なヒントを提供しています。MAD-Benchベンチマークを使用することで、AIモデルの堅牢性を向上させ、将来の研究開発により信頼性の高いMLLMsをもたらします。
中国科学技術大学がSciGuardとSciMT-Safetyを発表し、AI for Scienceモデルの保護と化学科学分野における初の安全基準確立を実現しました。研究では、オープンソースのAIモデルが有害物質の製造や規制回避に利用される可能性がある潜在的なリスクが明らかになりました。SciGuardは、大規模言語モデルを駆使したエージェントであり、詳細なリスク評価を通じて安全に関する推奨事項を提供し、悪用を防ぎます。化学と生物科学分野に特化した初の安全に関する質疑応答ベンチマークであるSciMT-Safetyは、
バイトダンスと中国科学技術大学は共同で、マルチモーダル文書大規模モデルDocPediaを開発しました。解像度は2560×2560に達し、同種のモデルを明らかに凌駕しています。DocPediaは画像情報を正確に認識できるだけでなく、ユーザーのニーズに合わせて知識ベースを呼び出し、質問に答えることができ、高解像度マルチモーダル文書理解の強力な能力を示しています。知覚と理解の統合トレーニング戦略を採用し、周波数領域処理によって解像度問題を解決し、微調整段階で全体を最適化することで、性能を大幅に向上させました。周波数領域の観点から解像度問題を解決することで、効率の向上を図りながら、