トピック: Annotation

全セクション横断 7 件

言語モデルによる文化的現象の定量化が進む中、その測定プロセス自体が文化的現実を構築するという研究が発表された。メディア・マーケティング・HR各領域での応用に根本的な問い直しを迫る内容である。

米研究者らが人間による教師データなしにLLMを専門領域へ適応させる新手法「Neuron-OPSD」を発表した。専門家アノテーションコストが高騰する医療・法務・金融分野での実用化に直結する成果として注目される。

アノテーション不要で視覚理解を強化する自己進化型マルチモーダルAI「VISE」が登場。画像キャプション精度や物体認識精度が大幅改善され、製造・小売・医療など幅広い産業での活用が期待される。

英オックスフォード大らの研究チームが、自動回帰型画像生成AIの安全性を人手によるアノテーションなしに反復的に高める手法を発表した。企業が生成AIを活用する際のコンプライアンスコストを大幅に削減できる可能性がある。

少量データで大幅な性能向上を実現するAI学習フレームワーク「MTO」が登場した。事前学習モデルと業務タスクの整合性を自動判定する本手法は、AI導入コストの削減と精度向上を同時に達成する可能性を持つ。

カナダの研究チームが、人手を介さずにAI自身がトレーニングデータを自動精製する手法を開発した。大規模マルチモーダルAI開発のコスト構造を根本から変える可能性がある。

スイス連邦工科大学チューリッヒ校などの研究チームが、動画内の物体認識AIを従来の5分の1のアノテーション量で同等精度まで訓練する手法「SA-VIS」を発表した。映像解析AIの開発コスト構造を根本から変える可能性がある。