Enoki、事実表現で効率的な多層幻覚検出を実現
Enokiは、原文位置を保持した関係事実を共通表現として、主張の検証と幻覚箇所の特定を一つの流れで行う。主張レベルとスパンレベルの注釈を備えたEnokiQAも公開された。
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Enokiは、原文位置を保持した関係事実を共通表現として、主張の検証と幻覚箇所の特定を一つの流れで行う。主張レベルとスパンレベルの注釈を備えたEnokiQAも公開された。
続きを読むτ^τ-Benchは、コード生成ではなく、現実的な制約の下で実用的なエージェントを構築・納品できるかを評価するベンチマークだ。現在のシステムと専門家が作成した参照実装の間には大きな差が残っている。
続きを読む安全チューニングの応答を、定型的な拒否文と拒否理由に分けて分析した研究が発表されました。拒否理由だけで学習すると、安全性を大きく損なわずに、無害な依頼への誤拒否を減らせる可能性があります。
続きを読む新しいベンチマークKoNAは、質問全体を拒否するかどうかではなく、複合的な依頼のうちどの部分だけを拒否すべきかを評価します。視覚言語モデルは、答えられる内容を保ちながら、根拠のない推測や危険な要求を切り分ける必要があります。
続きを読むAWSは、複数のKiro Coding Agentをセッションやツール、タスクをまたいで協調させるKiro Crewを公開した。開発者が席を離れている間も、調査や移行、チケット処理などを継続できる仕組みを目指す。
続きを読むInfoQ中国によると、NVIDIAはHugging Faceを約129億ドルで買収する最終合意に達した。オープンモデルに資金をもたらす一方、プラットフォームの中立性と競争への影響が問われている。
続きを読むマイクロソフトは、AIガバナンスの重点を政策文書から、実行時の制御、継続的な評価、可観測性、監査証跡へ移すアーキテクチャを示しました。目的は、AIシステムの稼働中にルールが実際に守られているかを検証できるようにすることです。
続きを読むニューヨーク州の未完成データセンターで起きた火災は、所有、運営、賃貸、保証、計算需要を複数企業が分担するAIインフラの責任問題を浮き彫りにした。
続きを読むオープンソースのメンテナーが、履歴書を充実させる目的でAI生成のPRやissueを大量に送る行為を批判しました。問題はAIの利用そのものではなく、検証されていない内容が保守負担を増やしている点にあります。
続きを読むNVIDIAは、ローカルネットワーク上の対応コンピューターを検出し、ローカルAI推論に利用できるオープンソースソフトウェア「Personal AI Router(PAIR)」を公開しました。主にGeForce RTX搭載機を対象とし、AppleのM4以降のチップにも対応します。
続きを読むMotion-Omniは、音声対話と表情、手振り、全身動作を共通の隠れ状態から生成するエンドツーエンドモデルです。従来の音声生成後に動作を付ける方式に比べ、動作品質を保ちながらリアルタイム性を高めています。
続きを読むIris-miniとIris-proは、ウェブのリンク構造から多段検索タスクを作り、教師あり微調整とオンライン強化学習を交互に実施する検索エージェントです。長い推論で証拠を整理するコンテキスト管理も、評価の重要な要素として扱われています。
続きを読むWorldSculptは、単一物体向けの3D生成先験を、姿勢付きの多視点動画へ拡張する手法です。激しい遮蔽がある、数百物体規模の複雑なシーンを、共有された世界座標系内の個別メッシュとして再構成します。
続きを読むMaxKernel は、大規模言語モデルにコンパイラからのフィードバックとハードウェアプロファイリングを組み合わせ、TPU カーネルの開発と最適化を支援する。人間協調、自律最適化、グラフベース探索の3方式を備える。
続きを読むコード修正モデルは、テストに通る場合でも必要以上に広い範囲を書き換えることがある。新たな研究は、保全を求める指示と強化学習が編集の忠実度を高める可能性を示した。
続きを読むShallowStreamは、MLLMの浅い層を使ってストリーミング動画の符号化と検索用インデックスの構築を行い、質問時だけ深い層を活用します。論文では、フレーム単位のプリフィル遅延を最大52.1倍、10秒間のエンドツーエンド遅延を最大11.9倍削減したと報告しています。
続きを読むarXivの新しい研究は、動画生成モデルの蒸留と人間の嗜好へのアライメントを単一段階で扱うDM-Alignを提案した。サンプル分布の差から嗜好誘導勾配を作り、従来の強化学習に伴う計算量と不安定性の削減を目指す。
続きを読むHarbor Adaptersは80以上のエージェント向けベンチマークを共通基盤に接続し、Harbor-Indexはその中から高難度の82タスクを選定します。
続きを読む金融市場のエージェントシミュレーションを用いた研究で、高性能な言語モデルほど行動が似通う可能性が示されました。共通の判断が正しければリスク低減につながりますが、誤情報を共有すると損失を増幅する可能性があります。
続きを読む音声入力と無関係なのに流暢な文章を生成するASRの「幻覚」について、新たな研究がその発生条件を分析した。エンコーダーの最終段は音声情報をテキストとして読める形に整える重要な位置だが、そこを壊すだけで自然な幻覚が生じるわけではない。
続きを読むQwen3.5 と Falcon-H1 を調べた研究で、KV キャッシュと固定サイズの再帰状態が明確に異なる役割を持つことが示された。注意機構は文脈にあった情報を検索し、再帰状態は出力言語やペルソナを主に決める。
続きを読む