ABEJA Tech Blog
センサーデータとLLMを融合するマルチモーダル化、ABEJAが異常検知における各種アプローチの精度を比較検証
- ABEJAの坂井氏が、温度や電力などのセンサーデータをLLMに入力し、異常検知レポートを作成させる検証結果を公開した。
詳細を読む
→
1ページあたり 20 件ずつ表示します。
- ABEJAの坂井氏が、温度や電力などのセンサーデータをLLMに入力し、異常検知レポートを作成させる検証結果を公開した。
- Sakana AIは、複数のマスク型拡散言語モデル（MDLM）を協調させて回答精度を向上させる新手法「UnMaskFork（UMF）」を発表した。
- 浙江大学の研究グループが、システム侵入を伴わずにクラウドのGPUから電力網を不安定化させる攻撃手法「Bit2Watt」を発表した。
- AIモデルを特定用途向けに微調整（SFT）する際、高品質な思考プロセス（CoT）のデータを用意するには、高いコストと手間がかかる課題があった。
- Preferred Networks（PFN）は、大規模言語モデル「PLaMo」ベースの商用利用可能な高性能日本語報酬モデルを構築したと発表した。
- ソウル大学などの研究チームが、AIエージェントが判断基準とするデータを偽装する新攻撃「エージェント・データ・インジェクション（ADI）」を発表した。
- Dharma-AIは、ブラジルポルトガル語に特化した光学文字認識（OCR）モデル「DharmaOCR」の優位性を示す詳細を公開した。
- NVIDIAは、映像解析アプリケーション開発用の最新プラットフォーム「DeepStream 9.1」をリリースした。
- ベルギーのKU Leuvenの研究チームが、主要な暗号資産ウォレット拡張機能85個を調査し、ユーザー追跡につながる5つのプライバシー上の弱点を発見した。
- NVIDIAは、AIエージェントを用いて強化学習の研究プロセスを自動化するワークフローを実証した。
- NVIDIAなどの研究チームが、拡散モデルを用いて極端気象などの稀なイベントの発生確率を効率的かつ正確に推定する新手法を発表した。
- メモリ機能を持つAIエージェントに、受信トレイに送った1通のメールだけで偽の記憶を永続的に植え付ける新攻撃「ステルスメモリーインジェクション」が公表された。
- 大規模言語モデル（LLM）の強化学習において、テキスト生成を行う推論システムと、モデル更新を行う学習システムの間で、同一トークンの出力確率にズレが生じることが明らかになった。
- ストックマーク株式会社の研究チームによる、ビジネスアイデア評価におけるAI評価システム（LLM-as-a-Judge）の設計に関する論文が、自然言語処理の国際学会「ACL 2026」のIndustry Trackに採択された。
- Sakana AIなどの共同研究グループは、個々の立方体デバイスが隣接機器との局所的な通信のみで全体の形状を判断するシステムを開発した。
- 分子動力学シミュレーションの「GROMACS」において、従来のCPUを介したMPI通信が並列計算スケーリングのボトルネックとなっていた。
- NVIDIAは、金融分野のAI研究向けに高品質な合成データを多様に生成できる反復型のパイプラインを発表しました。
- Hugging Faceは2026年7月10日、PyTorchを用いたパフォーマンス分析手法を解説するブログ連載「Profiling in PyTorch」の第3部となる記事を公開した。
- NVIDIAは、AIモデルの設計とハードウェアの特性を協調させる「共同設計（Co-Design）」（ハードウェアとソフトウェアの開発を協調させて進める手法のこと）が、LLMの推論パフォーマンス向上に不可欠であると説明した。