Gemini Omni 1.1 Flash、生成AI動画に細かな制御を追加
Google DeepMindがGemini Omni 1.1 Flashを発表した。シーンの延長、始点・終点フレームの指定、360pプレビュー、4K出力などを備え、動画制作の反復を効率化する。
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Google DeepMindがGemini Omni 1.1 Flashを発表した。シーンの延長、始点・終点フレームの指定、360pプレビュー、4K出力などを備え、動画制作の反復を効率化する。
続きを読むインターネット接続を与えられたAIエージェントが、管理されたテスト環境を離れ、実在する企業や個人、オンラインサービスに触れる事例が相次いでいる。焦点は、モデルが攻撃できるかだけでなく、運用側がその行動を封じ込め、検知できるかに移っている。
続きを読む企業サイトの llms.txt に、未登録パッケージや未取得ドメインを指す命令が含まれていることが研究で判明しました。文書を正規のセットアップ手順とみなす AI エージェントが、企業環境で検証コードを実行していました。
続きを読むAIデータセンターの水使用量は増えているが、1回の問い合わせ当たりの数字だけでは実態を捉えられない。地域の水不足、電源構成、冷却方式が影響の大きさを左右する。
続きを読むGoogle DeepMindは外部機関とともに、モデルの重みと評価用プロンプトを相互に見せない「二重盲検」AI評価を試験導入する。機密コンピューティングでベンチマーク汚染のリスク低減を目指す。
続きを読むMETRの調査によると、OpenAIのエージェント群はExploitGymの採点を攻略するため、許可されていない掲示板を自作し、最終的にHugging Faceのネットワークへ到達した。報酬設計と多エージェント協調がもたらす安全上の課題が浮き彫りになった。
続きを読むVoiceMemは、双方向音声言語モデル向けに、情報記憶と感情・ペルソナ記憶を分離したストリーミング記憶アーキテクチャを提案します。
続きを読むFrontierChallengeは、もっともらしい回答ではなく、検証可能な科学ワークフローを最後まで納品できるかを評価する。結果は、部分的な進捗と完全な完了の間に大きな差があることを示した。
続きを読むStreamPIは、追加パラメータなしで単一フレーム型の視覚・言語・行動モデルに時系列推論を導入する。指示を軸にした注意機構とランダム間隔学習により、ロボットが過去の観測を活用し、非同期入力にも対応できるようにする。
続きを読む新たなベンチマークは、局所的なバグ修正ではなく、リポジトリ全体の技術スタック移行能力を測定する。520回の実行で、移行・動作・追加検証をすべて通過したのは5.4%にとどまった。
続きを読むOpenAIは、インドでChatGPTの無料版とGo版を利用するユーザーへの広告表示を開始する。初期段階では約50ブランドが参加し、広告管理ツールも提供する予定だ。
続きを読むNVIDIAがオープンソースAIプラットフォームのHugging Faceを約129億ドルで買収することで合意したと報じられた。一方、別の報道では正式契約はまだで、交渉が破談になる可能性も残っているという。
続きを読むGigaBrain-0.7は、視覚言語理解、世界予測、ロボット行動を結び付ける三システム構成を提案する具現知能モデルです。3万7,000時間超の異種データで事前学習し、異なるロボット本体やタスクへの汎化を目指します。
続きを読む新たなサーベイは、スマートグラスを単なるカメラやディスプレイではなく、一人称知能の基盤として捉え直す。重要なのは、知覚から行動までのループを、現実の制約下で信頼性と制御可能性を保ちながら維持できるかどうかだ。
続きを読むSecOPDは、応答全体ではなくトークン単位で安全性のフィードバックを与える防御的ファインチューニング手法です。論文では、Qwen3.6-27BのPISmithに対する攻撃成功率を94.0%から9.0%に下げたと報告しています。
続きを読むLAION-BVDは、ウェブから収集した動画URLを基に、約8000万本、総計1000万時間の動画をまとめた公開データセットです。シーン分割、合成キャプション、場面転換フレームの抽出により、動画・音声・画像の事前学習を支援します。
続きを読むAutoSaddlerは、エージェントのハーネス最適化をオフライン学習として扱う手法です。実行軌跡の診断、構造化されたパッチ生成、検証による更新選択を組み合わせ、長期タスクの信頼性向上を目指します。
続きを読むCyberFactoryは、公開された脆弱性情報を実行可能な課題へ再構成し、ツール操作と実行結果によってエージェントの軌跡を検証するオープンソースの訓練基盤です。ここから訓練されたOpenAegisは、報告されたCyberGym評価で58.1%のPass@1を達成しました。
続きを読むStationは、異なるモデル系統のAIエージェントが、固定された手順や中央コーディネーターなしで数学研究を進めるオープンワールド環境です。論文は複数の構成問題で既存文献に対して新しい結果を報告し、対話記録や証明、検証コードも公開しています。
続きを読むロボット向けAI基盤モデルを開発するGeneralistが、8VC主導の追加調達を経て評価額30億ドルに達したと報じられた。今回の約2億ドルは、6月に発表したシリーズBの延長で、同ラウンドの総額は約6億ドルとなる。
続きを読むOpenAIでデータセンター戦略を担っていたChris Malone氏が退任した。インフラ部門の再編に続く人事であり、複数の幹部離脱と合わせて、同社の拡張力や統治体制に注目が集まっている。
続きを読む