複数AIで研究サイクルを回す、実験設計の分業が前進
研究用AIは単体の回答精度だけでなく、仮説、実験設計、結果解釈を複数...
研究開発の朝刊
AIと並列計算、研究コードを高速化する基盤技術に
AIを研究へ使う動きは、モデル開発だけでなく、計算を効率良く動かす並...
SWE-Bench Pro監査、AI評価はデータ品質の時代へ
OpenAIはSWE-Bench Proを詳細に監査し、公開タスクの...
マルチターンRL、AIエージェント評価は一問一答を超える
AWSはSageMaker AIでのマルチターン強化学習の実務ポイン...
マルチエージェント安全研究、協調AIのリスク検証へ
Google DeepMindらのマルチエージェントAI安全研究支援...
多言語VLM安全性、画像と言語の組み合わせ評価へ
多言語の視覚言語モデル評価では、英語テキストだけでなく、画像と文章が...
子ども向けAI、安全性評価が年齢文脈へ広がる
子どもがLLMに触れる機会が増える中、単なる有害コンテンツ検出ではな...
RAG評価、精度だけでなく人との協働へ
RAG研究では、回答精度だけでなく、人がAIアシスタントと複数回やり...
LLM評価、ベンチマークから実業務タスクへ軸足移動
LLM研究では、単一ベンチマークの点数だけでなく、長時間作業や実業務...
RAG研究、検索精度より「根拠をどう使うか」へ
RAGの研究開発は、文書を検索できるかだけでなく、取得した根拠を正し...