模型发布/更新
-
FastWan-QAD:単一GPU 5090で5秒動画を1.8秒生成
Sky Computing LabはFastVideoの量子化認識蒸留(QAD)方式でトレーニングした動画生成モデルシリーズ「FastWan-QAD」を発表した。NVIDIA GeForce RTX 5090 1枚で、5秒の480P動画を…
-
京東がJoyAI-VL-Interactionをフルスタックオープンソース化、「一問一答」から「見ながら話す」へ
京東はこのほど、世界初のフルスタック対話モデルJoyAI-VL-Interactionをオープンソース化した。vLLM-Omniのネイティブサポートを獲得している。同モデルは動画ストリームを継続的に観察し、重要なイベントを能動的に判断して…
-
NetEase Youdao、Confucius4-TTSを公開:14言語対応のクロスリンガル無アクセント音声クローンOSSモデル
NetEase YoudaoはTTSエンジン「子曰4.0」ことConfucius4-TTSを発表した。14言語に対応し、クロスリンガルで無アクセント、参照テキストなしで音声クローンを実現する業界初のオープンソースモデルと主張している。ユー…
-
Krea 2の技術レポートを正式公開
技術レポートを公開しました。Krea 2の作成に用いたデータ、アーキテクチャ、トレーニング手法を詳しく解説しています。https://www.krea.ai/blog/krea-2-technical-report
-
豆包音声生成モデル1.0をリリース、AI音声創作を再定義
火山引擎は豆包音声生成モデル1.0(Doubao-Seed-Audio 1.0)を正式にリリースした。テキストと音声リファレンスからの生成に対応し、エンドツーエンドで目標音声を出力する。単一のPromptで複数キャラクターの対話、感情・語…
-
Mistral、文書理解モデルOCR 4を発表、バウンディングボックス・ブロック分類・信頼度スコアを追加
MistralはOCR 4を発表した。テキスト抽出に加えてバウンディングボックス、型付きブロック分類、単語ごとの信頼度スコアを返し、170言語をサポートする。単一コンテナでセルフホスト展開が可能。
-
Seed2.1が正式リリース、AI生産性を深掘り
字節SeedはSeed2.1シリーズをリリースした。実際の生産性シナリオ向けのエージェントであり、汎用Agent能力、コードエンジニアリングの納品、マルチモーダル理解を強化している。Seed2.1 ProはGDPvalベンチマークで最高ス…
产品发布/更新
-
IBM、CUGAをオープンソース化:軽量エージェントフレームワーク、20以上の単一ファイルサンプルアプリを提供
IBMはCUGA(Configurable Generalist Agent)をオープンソース化した。計画、実行ループ、ツール呼び出し、状態管理を扱う軽量エージェントフレームワークである。開発者はツールリストとプロンプトを提供するだけでC…
-
国内初の大学入試志望校AI評価が発表、Qwenが複数項目でベテラン相談員を上回る
友松ラボは国内初の大学入試志望校AI能力評価レポートを発表し、Qwenの大学入試志望校記入Agentの4モジュールをテストした。平均従事年数4.6年の人間相談員53人との比較で、Qwenはより安定かつ正確な性能を示した。事実問題44問は全…
-
Anthropic、Claude Tagを発表:Slackで@Claudeによる協働を実現
AnthropicはSlackチャンネルで@Claudeによりタスクを委任する新しい協働手段「Claude Tag」を発表した。Claudeはチャンネルの文脈を記憶し、複数ユーザーのやり取りをサポートする。権限付与後は他のチャンネルやデー…
-
Claude Code v2.1.187 发布
Claude Code v2.1.187 新增 `sandbox.credentials` 设置,可阻止沙箱化命令读取凭证和秘密环境变量;模型选择器及相关参数现已支持组织配置的模型限制,选中受限模型时显示“受组织设置限制”提示。全屏模式下…
行业动态
-
Oracle、AI活用で21000人削減、債務主導でクラウドインフラに投資
Oracleは5月31日終了会計年度に21000人を削減し、従業員総数は141,000人へ12.9%減少した。AI技術の採用が労働力縮小につながったと説明し、同時に再編コストは18億ドルに達し、前年比481%増となった。Oracleは20…
-
GitHubらオープンソース連合、カリフォルニア州AI透明性法案の修正を求める
GitHubはBlack Forest Labs、Hugging Face、Mozilla Corporationとオープンソース連合を結成し、カリフォルニア州AI透明性法案(SB 942、SB 1000による修正予定)への的を絞った修正…
-
OpenAI 助力 Appia Foundation 推动先进 AI 共享标准建设
OpenAI 通过 Appia Foundation 支持制定先进 AI 的共享标准,涵盖评估框架、安全实践与全球合作。
-
Omio 如何构建对话式旅行的未来
Omio 利用 OpenAI 技术打造对话式旅行体验,加速产品开发进程,并推动自身向 AI 原生公司转型。
论文研究
-
9人の審査員、有効票は2票:相関誤差がLLM審査パネルを弱体化
Appleの機械学習研究チームは、LLM-as-a-judgeパネルがモデル間の高い相関により大きく制限されることを発見した。7つのモデルファミリーのフロンティア大規模言語モデル9個を3つの自然言語推論データセットでテストした結果、9人の…
-
基于指标依赖的标注饱和:从标签分布中学习
在ChaosNLI数据集(每项100个标注)上微调NLI模型,发现所需标注人数因评估指标而异:熵相关(识别分歧项)需约20-50个标注者收敛,KL散度(分布匹配)约10个标注者即饱和(达全量效果的87%-95%)。软标签的熵相关r=0.6…
技巧与观点
-
huggingface_hubが毎週リリースを実現:AI、オープンソースツール、人間による審査の閉ループ
Hugging Faceはhuggingface_hubのリリースサイクルを4〜6週間ごとから毎週に短縮し、すべてを単一のGitHub Actionsワークフローで自動化した。プロセスはオープンソースツールとオープンウェイトモデル(現在は…
-
Transformers.jsでクロスオリジンストレージAPIの実験的提案を検証
Transformers.jsがブラウザでAIモデルを実行する際、異なるオリジンのWebアプリが同じモデルリソース(Xenova/whisper-tiny.enなど)やWasmランタイムファイル(4,733 kBのort-wasm-sim…
-
Meta 如何为 AI 眼镜设计超窄钢壳电池
Meta 工程团队为 Ray-Ban Meta 等智能眼镜开发了宽度仅 7mm 的钢壳电池。传统软包电池难以塑形且空间利用率低,Meta 改用叠片式电极结构以降低阻抗、避免多任务时电压骤降,并将公差控制在约 100 微米以释放更多体积。G…
-
Claude Tag 的 Agent Identity 访问模型
Claude Tag 推出 agent identity(智能体身份)访问模型,让 Claude 在共享频道中以独立身份工作,而非模拟某个用户。管理员在工作区级配置连接器、仓库访问、技能插件和固定指令等权限,每个频道可覆盖继承的基线设置。…
-
GPT-5 帮助免疫学家 Derya Unutmaz 解开三年未解之谜
GPT-5 Pro 帮助免疫学家 Derya Unutmaz 解决了一个长达三年的免疫学谜团,揭示了 T 细胞行为的新见解。这一突破可能为癌症和自身免疫疾病研究提供支持。