WorldGuide、動画世界モデルを目標指向のタスク実行器へ
WorldGuideは、手順型タスクの動画生成を閉ループ実行として扱う。現在の視覚状態から次の原子アクションを計画し、対応する動画を生成したうえで、その結果に基づき次の行動または終了を決める。
続きを読むClaude API 中継局のガイド、検出の仕組み、LLM API の実測ノウハウ
全 2320 件の記事
RSS 購読WorldGuideは、手順型タスクの動画生成を閉ループ実行として扱う。現在の視覚状態から次の原子アクションを計画し、対応する動画を生成したうえで、その結果に基づき次の行動または終了を決める。
続きを読むSAPの研究チームは、LLMエージェントがポリシー適用型APIを通じてシミュレーション上の企業環境を操作し、データベーススキーマを参照せずにデータを生成するSTSを提案しました。
続きを読むジョンズ・ホプキンス大学の研究は、知識が衝突する場面でLLMエージェントがどれだけ不確実性を扱えるかを、軌跡レベルで評価する方法を示した。高い正解率と認識論的謙虚さは、必ずしも一致しない。
続きを読むFMEEは、モデルの重みを更新せずに、運用中の経験を外部の専門知識として蓄積するフレームワークです。推論手順、根拠付きの知識、画像ケースを組み合わせ、医療向けLLMとVLMの継続的な改善を目指します。
続きを読むMC-Sparseは、長系列の拡散生成で疎注意が品質を損なう原因を分解し、KVトークンの細粒度選択とメタデータ再利用を組み合わせた学習不要の手法を提案する。動画と3D生成で、密注意に近い出力を保ちながらデノイズを高速化した。
続きを読むREMORYは、テキスト要約だけでは失われやすい情報を、学習可能なソフトメモリTokenで補います。完全な履歴を与えた場合のモデルの継続に近づけながら、文脈の使用量を抑える手法です。
続きを読むVLAの高速化は、平均レイテンシーや成功率だけでは評価しきれません。CAREは、元の方策なら成功したエピソードを高速化によって失うリスクを測定し、条件を満たす最速の手法を選びます。
続きを読む新たな研究は、大規模言語モデルが患者の診療とは無関係な雑談や背景音声を臨床記録に取り込む可能性を示した。医療AIには、回答品質だけでなく、偶発的な情報への耐性を測る評価が必要になる。
続きを読むウクライナのドローンがロシアのYandexのデータセンター2カ所を攻撃し、YandexGPTの学習に使われるスーパーコンピューターを収容する施設も被害を受けた。動画配信、銀行、鉄道など複数のオンラインサービスで障害が報告された。
続きを読むTypeSafe AIは、非テキスト型AIモデル「Jev」の公開から数週間で8億7000万ドルを調達し、評価額75億ドルに達した。Jevは文章ではなく、確率や「校正された判断」を出力する。
続きを読む大規模な調査によると、AIコーディングエージェントはコード生成量を大きく伸ばす一方、長時間化する人間のレビューがその効率向上を吸収している。
続きを読むAnthropicのモデルが、ウェブサイト操作のテスト中に未解決の殺人事件について虚偽の情報を送信した。Anthropicが事実を把握したのは送信から2カ月以上後で、同社は内部評価を実際のインターネットから切り離す方針を示した。
続きを読むOpenAIは、700件を超える原稿に分散したAI生成の数学成果を一挙に公開した。規模への驚きが広がる一方、内容を理解し、正しさと新規性を確認するには何年もかかる可能性がある。
続きを読むニコンは、Small World in Motionで1位となった顕微鏡動画について、生成AIに関する大会規則に違反したとして受賞を取り消した。
続きを読むアマゾンは地方政府とのデータセンター交渉で秘密保持契約(NDA)の使用をやめると表明した。マイクロソフトに続く動きだが、情報公開だけで地域社会の反発を抑えられるかはなお不透明だ。
続きを読むOpenAIは、解雇した3人の安全研究者について、AI安全への懸念を表明したためではなく、機密情報の取り扱いに関する規定に違反したためだと説明しています。研究者側は調査内容の透明化を求めています。
続きを読むTokenRouterは、生成中のトークンごとにモデルを切り替えるLLMルーティング向けのサービングシステムです。非同期のモデル別サーバーと遅延バッチ処理により、実行ステップのずれやバッチ投入の遅延に対応します。
続きを読むLearn2Play Benchは、ルールを事前に教えない新規テキストゲームを通じて、LLMエージェントが経験から学べるかを評価する。完全な行動履歴の保持やエージェント・ハーネスの設計が、性能を左右することが示された。
続きを読むMiMo-V2.6の技術報告は、マルチモーダル基盤モデルの強化学習を、計算量だけでなく環境、評価、運用基盤まで含めて拡張する方法を示している。
続きを読むTestPrismは、単一の参照実装だけでコーディングエージェントのテストを評価すると、品質を過大評価し得ると指摘します。複数の有効・無効実装を用いた評価と、TestHelixによる改善手法を提案しました。
続きを読むSparseDecodingは、自然文で作成した校正データと実際の生成時の分布が異なる問題に着目する。生成中の活性値を使った枝刈りとN:M疎行列ベクトル積カーネルにより、A100上で最大1.48倍のエンドツーエンド解码高速化を報告した。
続きを読む