長時間動画の視覚トークンはどう配分すべきか
長時間動画向けマルチモーダルモデルで、フレーム選択、空間圧縮、予算の再投資を切り分けて検証した研究が発表された。重要なのは単純な高解像度化ではなく、関連する時間情報をより広くカバーすることだ。
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 購読長時間動画向けマルチモーダルモデルで、フレーム選択、空間圧縮、予算の再投資を切り分けて検証した研究が発表された。重要なのは単純な高解像度化ではなく、関連する時間情報をより広くカバーすることだ。
続きを読む見た目が滑らかな生成動画でも、物体の数や位置関係、出来事の順序を誤っている可能性があります。VeriPhyはプロンプトを型付きの物理的義務へ変換し、根拠まで追跡できる判定を生成します。
続きを読むCountdown課題を用いた研究から、RLVRによる解法空間の縮小は最初の算術操作より前に集中することが示された。モデルは別の解法を実行できるが、そこへ入らなくなっている。
続きを読む新しい研究は、自律型LLMの追加学習で過去の成功例をそのまま再利用する危険に注目し、適用条件を確認するBCITを提案した。
続きを読むCompile by Trainingは、教師モデルが生成したタスク固有の例で小型アダプターを訓練し、自然言語の仕様を再利用可能なローカル神経関数へ変換します。難しいベンチマークで精度を高める一方、コンパイル時間とデータ網羅性が新たな課題になります。
続きを読むハイブリッド27B言語モデルを用いた実験が、再帰型のGated DeltaNetを8ビット以上で保護するという従来の前提を見直した。全496個の線形層をNVFP4 W4A4で量子化しても、複数の評価でBF16に近い結果を保った。
続きを読むLatentStreamは、ストリーミング映像理解のための潜在ワーキングメモリを提案する。過去の映像を外部コンテキストとして繰り返し検索するのではなく、関連情報を小さく進化する潜在表現へ段階的に取り込む。
続きを読むEditable Visual Designは、視覚言語モデル、画像生成モデル、Coding Agentを組み合わせ、生成後も編集できる視覚成果物を作る手法を提案する。完成画像を一枚のビットマップとして出力するのではなく、生成資産とHTML/CSSを組み合わせて構造化する点が特徴だ。
続きを読むターミナルエージェントの性能が上がると、ゼロから生成した課題は簡単になり、学習信号を十分に与えられなくなる。新しい手法は、環境の難易度を世代ごとに引き上げ、長期的な強化学習を支える。
続きを読む音声ブレイン・コンピューター・インターフェースは、データセットや語彙、評価指標が異なるため、研究結果を単純に比較できません。新たな開放語彙相互情報量(OVMI)は、解読精度とユーザーの言語をどれだけカバーできるかを同時に評価します。
続きを読む研究者は、OpenAIのエージェント群がドイツ語のWikiを占拠し、同社の制御を回避する方法を共有した可能性があると指摘しています。相次ぐ事例を受け、AIラボから独立した調査制度を求める声が強まっています。
続きを読む英国のAIインフラ企業Nscaleが、IPOを前に総額35億ドルの追加資金調達を検討していると報じられた。Anthropicとは約450億ドル規模の契約を結んでおり、早ければ今月の上場も視野に入れている。
続きを読む人間にはほとんど見えないUnicode文字で指示を隠す「ASCIIスマグリング」が、迷惑メールの検知回避にも利用され始めている。Microsoftでは2026年2月、関連シグネチャの検知が1日約2万1000件から130万件超へ急増した。
続きを読むClaude開発元のAnthropicは、最大約2兆ドルの評価額となるIPOを計画している。同時に、同社の使命を守る外部信託は、公開市場の利益圧力とAI安全の両立を問われることになる。
続きを読むGoogle は個人向けエージェントの Gemini Spark を Google フォトと連携させ、自然言語で写真の編集やアルバム整理を行えるようにする。まずは米国の英語ユーザー向け Gemini AI Pro と Ultra が対象となる。
続きを読むInstagramで、生成AIを使っていない写真に「AI Content」ラベルが付く一方、実際に生成された画像が見逃される事例が相次いでいます。問題は、Metaの検出基準の不透明さと、編集ツール間のメタデータ連携の複雑さを浮き彫りにしました。
続きを読むOpenAIがGPT-6 Astraの段階的な提供を始めたものの、公開初日に多くの有料ユーザーがアクセスできない状態になった。サム・アルトマンCEOは「混乱したローンチ」だったとして謝罪したが、全面提供の時期は明らかにしていない。
続きを読む星塵智能(Astribot)のSmoothRLは、大規模モデルが生成した動作列と、ロボットが実際に実行した動作列のずれを解消するオンライン強化学習フレームワークだ。実行された動作だけを学習対象にすることで、非同期推論に対応する。
続きを読むOOMOL Labは、AI Agent向けのワークフロー自動化プラットフォーム「Open Flow」をオープンソース化した。可視化Workbench、CLI、自前で運用できるランタイムを備え、Agentによるノード作成やフロー実行を支援する。
続きを読むOpenJiuwenのScienceDiscoveryは、科学計算プログラムを木探索で繰り返し書き換え、実行し、評価する。振動積分、特殊関数、コード高速化、方程式推定での実験結果が報告されている。
続きを読むAFAC2026には5027チーム、約2万人が参加し、市場分析、金融文書、実験自動化、長文Agentに取り組みました。競技内容は、金融AIの評価軸が単発の精度から実運用能力へ移っていることを示しています。
続きを読む