技術分野
トレーニングの要点：データセット構築、合成データ、事前学習・事後学習の手法、計算資源とトレーニングコスト。
6 件のおすすめ過去30日間 0 件収録記事数 7 件
公開記事から選んだ直近12か月の主な出来事を、発表・発生日順に表示しています。
ServiceNow CoreAIは、企業環境でのモデルの失敗をもとに学習タスクを生成・検証する「AutoSynthData」を開発した。EnterpriseOps GymのHybridでは2,000件を約18時間で生成し、Gemma-4-26B-A4B-itの平均Pass@1が7.2ポイント向上、検証器成功率は63.01%から68.55%になった。
推荐理由：モデルの失敗から学習課題を作り、実行可能性や検証器まで確認する手順と、EnterpriseOps Gymでの数値結果を読める。
NVIDIAは、表形式データの分類・回帰に対応する基盤モデル「Kumo Tabular」をHugging Faceで公開しました。ラベル付き行を文脈として与えると、追加学習や特徴量エンジニアリングなしで新しい行を予測でき、28M〜215Mパラメータの3サイズを用意しています。
推荐理由：人工データだけで事前学習した表形式データ向け基盤モデルが、複数のベンチマークで示した精度と速度を比較できます。
Anthropicは、ClaudeがDNA反復配列に関連する新規酵素系「array-associated reverse transcriptases（ART）」を発見したと報告しました。反復配列のパターンはCRISPRを連想させるものの、この酵素系の主要な機能はまだ解明されていません。
推荐理由：約950のClaudeエージェントが21時間でDNA配列を探索し、研究者の実験を経て候補を絞る過程から、AIを生物学的発見に組み込む手順を追えます。
Google DeepMindは、ヒトゲノムで可能な9 billion個の一塩基変異の影響予測を収録したAlphaGenome Atlasを公開しました。各変異の影響を示すAVIスコアも提供し、研究者は変異を順位付けしながら分子への影響を調べられます。学術研究向けにウェブサイト、AlphaGenome API、Google Antigravityのスキルとして利用でき、非商用利用は無料です。
推荐理由：全ゲノムの変異予測を一覧化し、AVIスコアで影響の大きい候補を順位付けできるため、希少疾患や集団遺伝学での活用例とともに研究への使い方を把握できます。
Hugging FaceとVoice Arenaは、Open ASR Leaderboardにヒンディー語とインド英語の評価セット「Monsoon en-IN」「Monsoon hi-IN」を追加した。4つの公開・非公開分割は計4,888人の話者から収集され、各話者の属性を記録している。ヒンディー語では表記の異形を許容する lattice を採用し、OIWERで評価する。
推荐理由：話者属性や地域別に認識誤差を分析できる評価セットと、ヒンディー語の表記揺れを扱う採点方式を導入し、従来のWERでは見えにくい差を比較できます。
Multiverse Computingは、圧縮・4-bit化した大規模言語モデルを回復する手法Quantization-Aware Healing（QAH）を発表した。
推荐理由：元モデルを教師にする設計とベンチマーク結果を通じて、圧縮後の4-bitモデルで精度を回復する方法を比較できる。