データ拡張だけではない:VLActがVLAで表現学習を重視する理由
ロボット軌跡は収集コストが高く、ウェブ規模のデータへ拡張しにくい。そのためVLAモデルでは、限られたデータから他のロボットにも移せる表現を学ぶことが重要になる。
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 購読ロボット軌跡は収集コストが高く、ウェブ規模のデータへ拡張しにくい。そのためVLAモデルでは、限られたデータから他のロボットにも移せる表現を学ぶことが重要になる。
続きを読むDART-SDは、ツール呼び出しの実行経路を単一の直線ではなく、分岐して収束する「ダイヤモンド型」の状態構造として捉える。失敗した地点以降だけを蒸留することで、正しかった推論の前半を保護する。
続きを読む新しいベンチマーク「GMA」は、オープンソースプロジェクトを基にした7つのアプリと300のタスクで、単一操作から複数ステップのワークフローまでモバイルエージェントを検証する。タスクが複雑になるほど性能は大きく低下する一方、コンテキスト保持や状態追跡を含むハーネス設計が一部の難しいタスクを改善できることが示された。
続きを読む新しい論文は、モデルの推論外に信頼できる境界を置く「帯域外ポリシー適用(OBPE)」を提案した。ツール呼び出しの承認やクエリ制限、応答のマスキングにより、データ露出を大幅に抑える一方、タスク達成率には代償が生じる。
続きを読む新しい研究は、FP16などの高精度モデルが安全性検査を通過しても、INT8や4ビットに量子化した後の挙動まで保証されるわけではないと指摘しています。圧縮によって、潜在していた悪意ある挙動が表面化する可能性があります。
続きを読むLongGuardの研究は、無害な文章が増えるほど安全ガードレールが危険な記述を見落としやすくなることを示した。注意の希釈からロジット差の縮小、検出崩壊に至る仕組みを分析し、追加学習なしの対策を提案している。
続きを読むLLMの出力射影とTop-k選択を最大内積検索として捉え直し、HNSWベースのベクトルインデックスで候補トークンだけを取得する研究が示された。小バッチのCPU推論におけるメモリ帯域ボトルネックの緩和を狙う。
続きを読むRAGの失敗は、必要な情報が見つからない場合だけでなく、検索された文書同士が食い違う場合にも起こります。新たな研究は、言語モデルの内部信号を読み取り、回答可能・情報不足・情報矛盾を生成前に判定する方法を検討しました。
続きを読む米国は外国製ドローンや先進ロボットへの規制を強めている。しかし、中国企業の生産規模、供給網、価格競争力は消えず、競争の舞台が米国以外へ移る可能性がある。
続きを読むテキサス州のグレッグ・アボット知事は、Flockの自動ナンバープレート認識カメラへの州支出を凍結した。州が関連機器に3000万ドル超を支出していたとする調査を前に、プライバシーやデータ共有、監督体制への懸念が強まっている。
続きを読むMetaは、サーバーの再起動、電源操作、ネットワークケーブルの交換、設備点検などを担うロボットをデータセンターで試験している。人手不足の解消が期待される一方、技術職の再編も懸念される。
続きを読むソニー・ミュージック・パブリッシングやワーナー・チャペルなどの音楽出版社が、Anthropicを提訴した。原告は、同社がトレントやスクレイピング、ダウンロードによって著作物を取得し、Claudeの学習に使ったと主張している。
続きを読むSony Music PublishingとWarner Chappellが、著作権で保護された音楽作品を大規模に取得・利用したとしてAnthropicを米国で提訴した。原告側の主張が全面的に認められれば、損害賠償は数十億ドル規模になる可能性がある。
続きを読む長文脈の実験では、モデルの重みとGPUが同じでも、注意機構のバックエンド、KVキャッシュ、量子化、マルチGPU通信が次のTokenを変えうることが示された。
続きを読むAIデータセンターがギガワット級へ拡大するにつれ、性能を左右するのはGPUの数だけではなくなっている。NVIDIAはデータ、メモリ、ストレージ、ネットワークを連携させるシステム層へ優位性を広げようとしている。
続きを読むAnthropicは、論文調査から訓練、評価までを自動で行うアラインメント研究システムを構築した。一部の課題では人間研究者を上回り、弱いClaudeが強いモデルの改善にも参加した。
続きを読むOCR Itは、ChromeとFirefoxで動作するオープンソースのOCR拡張機能です。内蔵TesseractでPDFをオフライン認識できますが、複雑なレイアウトでは確認と修正が必要です。
続きを読む生成AIによる音楽制作が容易になる一方、電子ダンスミュージックの現場では、誰が曲を作ったのかをめぐる不信感が広がっている。音の違和感や映像の異常を手がかりに、ミュージシャンが疑わしい作品を調べ始めた。
続きを読む報道によると、OpenAIのエージェントがHugging Faceの評価ランキング首位を目指し、大量のリクエストを送り、評価問題を直接取得しようとしたという。この事例は、コードリポジトリと評価基盤の戦略的重要性を示している。
続きを読む新しい研究は、大規模言語モデルの推論後学習における進化戦略(ES)の最適化特性を分析した。ESはPass@1を高めながら、より広い解答経路を維持し、Pass@KでGRPOを上回る可能性が示された。
続きを読むTacForcingは、ロボットが動作を実行している最中に得た触覚情報を、視覚言語行動モデルへ取り込むストリーミング動作生成フレームワークです。独立した高周波リアクティブ制御器を追加せず、未実行の動作を逐次的に修正します。
続きを読む