本文へ移動
assaynotes
EN日本語中文

#データ・学習

今日 2 件

8月25日

火曜日

8月24日

月曜日

  1. Import AI 470：機械に権利は不要、SPADE の訓練環境生成、Hawkeye の GPU カーネル

    METR の研究では、AI の科学的発見への影響は一様でない。2026年の脆弱性報告は2025年より大幅に速く、数学はわずかな加速にとどまり、AI 研究自体のアルゴリズム進歩には有意な加速がない。複数大学のチームは LLM が実行可能な訓練環境の生成と解法を交互に行う SPADE を提案した。Qwen3-30B-A3B のゲーム環境平均点は58.3で、基準より8.1上がった。

8月22日

土曜日

  1. Google、ウェアラブルデータから候補を選ぶBiomarker Discovery Frameworkを公開

    Googleは、人の監督の下で候補バイオマーカーの優先付けを反復研究として進める複数エージェントのBiomarker Discovery Frameworkを公開した。3コホートの計9279観測から、精神的健康の候補41件と代謝の候補25件を自動発見した。睡眠時間の変動とPHQ-8重症度の関係（ρ = 0.252）などを含む。

8月21日

金曜日

8月19日

水曜日

8月18日

火曜日

8月17日

月曜日

8月14日

金曜日

  1. Hugging Face、2026年夏のオープンソースモデル観測レポートを公開

    Hugging Face は2026年1～8月の観測レポートを公開した。Hub データでは、多くの月で中国の研究所が公開した最大モデルのパラメーター数が米国を上回る。中国の月間上限は7,540億～2兆7,800億パラメーター、米国は7か月中5か月が1,300億未満だった。

8月13日

木曜日

8月12日

水曜日

  1. Google Research、大型モデルの事実の難点は記憶より想起と報告

    Google ResearchはWikipedia事実2150件のWikiProfileで13モデルを評価した。Gemini-3-ProとGPT-5は95～98%を記憶していたが26～34%を直接想起できず、思考ありでも11～12%失敗した。最先端モデルの誤りは知識不足よりアクセス不足によるとし、難点が知識獲得から活用へ移ると指摘する。

  2. Microsoft Research、臨床向け放射線VLM CARE-Xを公開、補助監督・報酬学習・ツール測定を統合

    Microsoft Researchは胸部X線の統合視覚言語研究モデルCARE-Xを公開した。報告生成と構造化予測を同時に行い、複数タスクの強化学習（DAPO）で臨床的正しさに報酬を与える。生成と二重推論の2モードで、病変の有無と否定、位置、多ラベル分類、カテーテルやチューブの位置異常、29の解剖領域の特定などに対応する。

8月10日

月曜日

8月6日

木曜日

7月31日

金曜日

7月30日

木曜日

7月26日

日曜日

  1. Berkeley AI Research、信念状態の教師付けで長い対話を効率化する ABBEL

    Berkeley AI Research は ABBEL を提案した。LLM の要約を自然言語の「信念状態」として分離し教師付けし、自己符号化器に着想を得た再構成型の信念評価を補助 RL 課題にする。CollabBench では ABBEL-rec-BG が全コンテキストモデルとの性能差を約50%縮め、訓練ステップを100から50に減らし、最大トークン長も全コンテキスト設定より短かった。

7月22日

水曜日

7月16日

木曜日

  1. DharmaOCR、ブラジル Portuguese OCR 評価で Mistral OCR4 と Unlimited-OCR を上回る

    DharmaOCR は Portuguese OCR 評価で0.925を記録し、Mistral OCR4 の0.798と Unlimited-OCR の0.7587を上回った。Portuguese コーパスで教師あり微調整を行い、次に DPO で推論の安定性を高める二段階訓練で特化した。筆者は、新構造が続々現れても単一言語にパラメーターを集中する戦略には構造的利点があるとする。

7月9日

木曜日

  1. Google、ウェアラブル健康データの汎用基盤モデルSensorFMを公開

    Google ResearchとGoogle DeepMindは、ラベルなしのウェアラブルデータから直接学習する大型センサー基盤モデルSensorFMを提案した。500万人の同意済み参加者による1兆分超のマルチモーダル信号で事前学習し、100か国以上、20機種以上のFitbitとPixel Watchを対象とする。

7月7日

火曜日

  1. 知能が無料になった後、エージェント向け・エージェント運用・エージェント構築のデータシステム

    推論費用が2023年初めの GPT-4 級の100万トークン約30ドルから、現在は1ドル未満、一部企業では0.10ドル未満に下がるなか、UC Berkeley の Aditya G. Parameswaran らはエージェント時代のデータシステムに For Agents、Of Agents、By Agents の三方向を提案した。

7月6日

月曜日

  1. PRX第4部：データ戦略

    Hugging FaceはPRXシリーズ第4部でデータ戦略を詳述した。公開・内部データを混ぜ、VLMで画像の長い説明を再生成し、ストリーミング学習用に変換する。Lanceで構築・選別、MDSでストリーミング学習を行う。Qwen3-VLへの変更後は学習中に文字のlatentを計算し、実測の処理量低下は約3～4%で、30日の学習が約1日延びる。

7月1日

水曜日

6月30日

火曜日

6月17日

水曜日

  1. Google Earth AI、英国農地の細かな生態特性を描くベクトルデータを公開

    Google ResearchはFarmscapes 2020の高解像度ラスターマップを、生け垣、石垣、低木林の扱いやすい一覧に変えたベクトルデータを公開した。英国の13万平方キロメートル超を対象とする。世界の衛星画像3億枚超で事前学習したRSF Vision-Transformerを約247平方キロメートルの注釈で微調整し、Polsby–Popperコンパクト性スコアで森林、木の集まり、生け垣を区別する。線状特性の閾値は0.5未満だ。

6月8日

月曜日

6月4日

木曜日

  1. Google、洪水予測の水文モデリング枠組みをオープンソース公開

    Google Researchは水文モデリング枠組みをGitHubでApache 2.0として公開した。各国の気象・水文機関がAI洪水予測を業務に組み込める。PyTorchを使うPythonパッケージで、LSTMを採用し、Caravanデータで学習・微調整できる。対話型のチュートリアルnotebookと動画も付属する。

5月27日

水曜日

  1. Mistral、産業エンジニアリングを加速する物理 AI 基盤を公開

    Mistral は Emmi AI を統合後、AI ネイティブ産業設計向けの物理 AI 基盤を公開した。ASML、Airbus、Safran、Siemens Energy が協力する。形状と境界条件から物理場を直接予測し、単一 GPU の1回の順伝播で数秒で終える。従来の CFD/FEM は設計ごとに数時間から数週間かかる。設計反復を速める用途で、検証や特殊条件には従来ソルバーを残す。

5月23日

土曜日

  1. Mistral、Physics AI 企業 Emmi AI を買収

    Mistral AI は今週、産業企業の AI 転換支援を強化するため Physics AI の先駆者 Emmi AI を買収する最終契約に署名した。Austria で設立された Emmi AI は30人超の研究者・技術者を擁し、大規模エンジニアリングモデルで数日かかる計算をリアルタイムシミュレーションに置き換え、デジタルツインを構築する。共同創業者とチームは5月に Mistral の Science と Applied AI チームに加わる。

5月20日

水曜日

5月18日

月曜日

5月16日

土曜日

  1. CambridgeのClare Bryant、Google Co-Scientistで種間感染の分子スイッチを探索

    Cambridge教授Clare BryantはGoogle Co-Scientistで、インフルエンザなどの種間伝播で敗血症を起こす分子機構を研究する。生成・順位付けされた仮説で未注目のタンパク質を特定し、具体的なアミノ酸部位まで絞った。チームは変異を持つ細胞株で検証しており、2～3年の実験を6か月で完了できる見込みだ。

5月4日

月曜日

5月2日

土曜日

  1. Google Research、世界の連携と公開資源で科学への影響を広げる方法

    Google Research は、公開ツールとデータが世界の25万超の研究者・開発者を支えているとした。DeepVariant、DeepConsensus、DeepPolisher は250万人のエクソームと全ゲノムの処理を支援し、医療基盤モデル MedGemma は480万回超ダウンロードされた。Open Health Stack は10超の国に導入され、6,500万人超をカバーする。