Allen Institute for AI が発表した WildDet3D は、単一RGB画像からオープンワールドの3D物体検出を行うフレームワークです。テキスト・点・ボックスの3種プロンプトに対応し、複数ベンチマークで最高精度を達成しました。
トークナイザーはLLMがテキストをトークンに分割する仕組みで、API料金に直結します。BPE・tiktoken・日本語の課題を図解で解説します。
ソフトバンク・NEC・ホンダ・ソニーを中核とする新会社「日本AI基盤モデル開発」の設立が報じられました。1兆パラメーター規模の国産AI基盤モデルを開発し、2030年度までにロボットと連携するフィジカルAI戦略を解説します。
Matrix-Game 3.0は、Unreal Engineとゲームデータを活用した大規模学習と3段階の推論最適化により、720p・最大40FPSのリアルタイムインタラクティブ動画生成を実現した世界モデルです。ゲームや自動運転分野への実用化が注目されます。
OpenAIのアルトマンCEOが自宅への火炎瓶事件後、AGI権力集中の危険性を「権力の指輪」に例えて警告。民主的なAIガバナンスの必要性を訴えるブログを公開した。
「SFTは暗記、RLは一般化」という通説を再考。長いCoTによる推論SFTでも最適化・データ品質・モデル能力の3条件が揃えばドメイン横断的な一般化が可能であることを解説します。
Axios v1.14.1へのサプライチェーン攻撃がOpenAIのGitHub Actionsワークフローに影響を及ぼし、macOSアプリ署名証明書が漏洩リスクにさらされました。原因の設定ミスと対応措置、5月8日の旧バージョン機能停止スケジュールを解説します。
Tencent Hunyuanが発表したロボット専用VLM「HY-Embodied-0.5」を解説します。MoTアーキテクチャの仕組みから22ベンチマーク中16項目での最優秀達成、実ロボット操作の検証結果まで詳しく紹介します。
Gartnerは2026年4月9日、2028年までに企業向け生成AIアプリの25%が年間5件以上のセキュリティ事故を経験すると予測。MCP普及がリスク拡大の主因と指摘し、具体的な4つの対策を提言しています。
Stanford・UW・Microsoftの研究チームが提案したRAGEN-2は、エントロピーでは検出できない「テンプレート崩壊」という新失敗モードを相互情報量で診断し、SNR-Awareフィルタリングで修正します。
RAGとファインチューニングをコスト・精度・実装難易度の3軸で徹底比較。PEFT・RAFT・Agentic RAGなど最新手法も解説し、実務エンジニアが最適なLLM最適化手法を選ぶ判断基準を紹介します。
AnthropicがAIエージェント管理プラットフォーム「Claude Managed Agents」パブリックβを公開。実行環境の自動管理とマルチエージェント協調機能で、本番AIエージェント開発の高速化と運用負荷軽減を実現します。
MolmoAct2とは？GPT-5・Gemini Roboticsを超えたオープンVLAモデルを解説
SANA-WMとは？単一GPUで720p・60秒動画を生成するNVIDIAの効率的世界モデル
Sapiens2とは？MetaのヒューマンAI基盤モデルが5Bパラメータ・4K解像度で姿勢・法線・点群推定を統合
arXiv、AI任せ論文の著者を1年間投稿禁止へ — 学術AI利用規制が本格化
HY-World 2.0とは？テキスト・画像・動画から3D世界を生成するマルチモーダルワールドモデル
AI-Papers
