AIニュース 3ページ

この度、Qwen2.5-VLシリーズの新モデルQwen2.5-VL-32B-Instructがリリースされました。この320億パラメータ規模のマルチモーダル視覚言語モデルは、Qwen2.5-VLシリーズの長所を継承しつつ、強化学習などの手法によりさらに最適化され、...

人工知能（AI）の分野では、大規模言語モデル（LLM）が急速に進化しており、テキスト生成や会話インタラクションにおいて驚くべき能力を発揮している。しかし、どのようにすれば、AIの力を実世界のシナリオに真に統合し、単なる「チャット」ではなく、実行できるようにすることができるのだろうか。

OpenAIは最近、開発者がよりパワフルでインテリジェントな音声アシスタントを構築できるように設計された、新世代の音声モデリングAPIのローンチを発表した。このイニシアチブは、音声対話技術の分野での大きな進歩であり、人間とコンピュータの音声対話がより自然で効率的な新しい段階を迎えることを示すものです。 このリリースには2つの機能が含まれている。

人工知能が生成したコンテンツはかつてないスピードで成長しており、昨年秋にはフェイスブックで最も人気のあった投稿20のうち4つがAIによって生成されたと報告されている。また、Mediumは、同社のプラットフォーム上のコンテンツの47%もAIによるものだと推定している。他の新興ツールと同様、AIにはポジティブな用途と...

近年、大規模言語モデリングの分野において、学習の後期段階における強化学習という新しいパラダイムが、業界からの注目度を高めている。OpenAIによるGPT-4oなどのOシリーズモデルの発表やDeepSeek-R1のリリースに続き、これらのモデルの卓越した性能は、最適化プロセスにおける強化学習の重要な役割を証明している。 テンセントのハイブリッド大型モデル ...

軽量な大規模モデルがAIの新たな戦場となりつつある。 グーグル・ディープマインドがジェンマ3を発表したのに続き、ミストラルAIは2024年3月にミストラル・スモール3.1をリリースした。

ミストラルAIはこのほど、最新モデル「ミストラル・スモール3.1」の発売を発表した。 この新モデルは、Mistral Small 3の基盤の上に構築されており、テキスト性能、マルチモーダル理解、文脈処理能力が大幅に向上している。

情報爆発時代において、膨大なデータからいかに迅速かつ正確に重要な情報を探し出すかが、企業や個人のナレッジマネジメントの中核的な課題となっています。最近、Dify製品チームはv1.1.0をリリースし、知識フィルター機能の中核として「メタデータ」を革新的に導入しました。このアップデートは、まるで...

OCR技術とは、画像中のテキスト情報を編集・加工可能なテキストデータに変換する技術です。簡単に言えば、画像からテキストを認識・抽出する技術です。 次に、GitHubで星の数が最も多い10のOCRオープンソースプロジェクトをレビューし、OCRツールの詳細な選択を提供します...

  Geminiは、最近少し頻繁に更新されている。順不同だが、Veo2推論モデルがGoogle AI Studioに登場し、Gemini（縮小版）画像生成・編集用のマルチモーダルモデルをネイティブサポート：Gemini 2.0 Flash（現在の標準的な名称は：Gemini 2.0 Fl...

中国の巨大インターネット企業アリババが、人工知能（AI）分野に大々的に参入する。アリババの呉永明CEOは、同社の既存事業でAIをフル活用したいと明言していると報じられている。 香港証券取引所での発表（2月24日）において、アリババは今後3年間で少なくとも3800億ドルを投資する予定であることを明らかにした。

核心提示： MCPプロトコルは、完全なステートレス化と通信の簡素化を可能にする "ストリーミングHTTP "トランスポート・スキームを導入することで、将来の幅広いアプリケーションのための基礎を築いた。 メッセージ・チャネル・プロトコル(MCP)の重要な技術強化が最近採用されたことは、この新しいプロトコルが...

最近、オープンソースのAIエージェント（知能体）フレームワークが次々と登場し、業界で注目を集めている。これらのフレームワークは、LangChainやCrew AI、OpenAI Agents SDKの単純な置き換えではなく、マルチエージェントを簡素化し、高速化するために設計された独自の機能と視点を提供しています。

人工知能の分野では、大規模言語モデリング（LLM）技術が急速に変化しており、様々なツールライブラリが登場している。本論文では、LLM開発の課題に対処する開発者を支援するために、120以上の有用なLLMライブラリを含むツールボックスを編集し、エンジニアが迅速にLLM開発を行えるように機能カテゴリ別に分類した。

デジタルトランスフォーメーションの波の中で、自動ワークフローツールは効率改善とコスト削減の鍵となっている。AI技術がますます成熟する今日、AIと自動ワークフローをどう組み合わせるかが業界の注目の的となっている。本稿では、人気の高い3つのツール、n8n、Coze...

内部情報筋によると、Anthropicは、同社のAIモデルClaudeの機能を大幅に強化するために設計されたHarmonyとCompassと呼ばれる2つの新機能に積極的に取り組んでいる。これらの新機能はClaudeに統合され、ユーザーにより強力なコードアシストとディープリサーチサポートを提供することが期待されている。 ハーモ...

最近、GoogleはGemini APIに新しい実験的テキスト埋め込みモデルgemini-embedding-exp-03-07[1]を導入した。このモデルはGeminiモデルに基づいて学習され、Geminiの言語と微妙な文脈に対する深い理解を継承しており、幅広いシナリオに適用可能である。特筆すべきは、この ...

グーグルは、AIアシスタント「ジェミニ」の実験的機能「パーソナライズ機能付きジェミニ」を発表した。この新機能は、ジェミニがユーザーのGoogleアプリ（現在はGoogle検索履歴を最初にサポート）に接続し、より多くの...

3月16日、百度（バイドゥ）は2つの新しいビッグモデルを正式にリリースした：文信ビッグモデル4.5と文信ビッグモデルX1。同時に、文信ビッグモデル4.5は百度インテリジェントクラウド銭ファンビッグモデルプラットフォームで利用できるようになり、企業ユーザーと開発者が...