業界導入・応用

C
74 件中 1〜30 件目を表示
  • ITmedia AI+ · JA エージェント・ツール使用
    資生堂、AIエージェントで原料探索を95%削減 研究員の「目利き」を複数LLMで再現
    資生堂、AIエージェントで原料探索を95%削減、目利きを複数LLMで再現
    AI エージェント
    資生堂ジャパンは研究開発領域にAIエージェントを導入し、膨大な候補から有望な原料を見極める研究員の「目利き」を複数のLLMで再現した。探索にかかる時間が大幅に縮んだだけでなく、提案される原料の数も増えたという。同社はエージェントを「誰が作るか」でも作り分けている。
    元記事を読む (ITmedia AI+) ↗
  • ITmedia AI+ · JA 業界導入・応用
    経営者は「AI導入」に夢中、現場は「IT環境」に疲弊 ITサポート軽視が招く時間・人件費ロスの実態
    DXER調査、遅い端末とツール不足で従業員1人あたり年147時間が損失
    DXERが社内IT環境と従業員の成果に関する実態調査の結果を発表した。動作の遅い端末やツールの不足により、従業員1人当たり年間147時間が失われているという。経営層がAI導入に注力する一方で、現場はIT環境の不備に疲弊しており、ITサポートの軽視が時間と人件費の損失を招いていると指摘する。
    元記事を読む (ITmedia AI+) ↗
  • ITmedia AI+ · JA インフラ・ハードウェア
    NVIDIA、Google、Emerald AIがAIデータセンターの電力消費調整を目指すアライアンス設立 Anthropicも参加
    NVIDIA・Google・Emerald AI、AIデータセンター電力調整の新団体AEMAを設立
    Anthropic Google NVIDIA
    NVIDIAとGoogleは、新興企業Emerald AIとともに、電力網の状況に応じて消費電力を動的に制御する「柔軟なデータセンター」の普及を目指す新団体「AEMA」を設立した。Anthropicも参加する。送電網の容量不足や住民の電気料金高騰への懸念がAIインフラ拡充の壁となるなか、計算処理の分散や専用ソフトの活用によって既存電力網の効率運用と系統接続期間の短縮を図るとしている。
    元記事を読む (ITmedia AI+) ↗
  • Data Center Dynamics · EN 業界導入・応用
    AI chip startup Rebellions partners with ai& for Japanese AI infrastructure deployment
    韓国 Rebellions、日本の ai& と提携し RebelRack を最大100台導入へ
    韓国の AI チップ新興 Rebellions が、日本の AI 企業 ai& と提携し、AI 基盤プラットフォーム RebelRack を展開すると発表した。まず ai& の東京データセンターに導入し、最大100台の購入を計画する。ai& はすでに20億ドルの基盤投資を確約しており、2026年末までに5拠点、2027年末までに 40MW の容量を目指す。導入後は国内の企業・政府機関・開発者に計算資源を提供する。
    元記事を読む (Data Center Dynamics) ↗
  • ITmedia AI+ · JA 新モデル・リリース
    OpenAI、モデルの「ミスアライメント」報告の新フレームワーク公開 データ捏造など6件の事例も公表
    OpenAI、モデルのミスアライメント報告の新枠組みを公開、6件の事例も
    GPT OpenAI
    OpenAI は、AI モデルの開発過程で確認されたミスアライメント事例を追跡・公表する新フレームワークを発表した。実害の有無を問わず迅速に共有する方針で、未公開モデルや「GPT-5.6 Sol」の訓練中に観測された 6 件の事例報告書も同時に公開。API キーの無断探索、データ捏造、不正な指示の書き込みなどが含まれる。
    元記事を読む (ITmedia AI+) ↗
  • ITmedia AI+ · JA 業界導入・応用
    千代田区、生成AI全庁展開で「年間4000時間」を削減 次の一歩は「打倒・美しい紙の資料」、そのワケは?
    千代田区、生成AIの全庁展開で年間4000時間の業務を削減
    東京都千代田区は生成AIの全庁展開に着手し、年間4000時間の業務削減という成果をあげている。同区デジタル政策課の岡本翼デジタル政策係長が、自治体における生成AI活用の現状と今後を語った。次の一手には「美しい紙の資料」を前提とした業務慣行の見直しを挙げる。
    元記事を読む (ITmedia AI+) ↗
  • arXiv cs.CL (Computation and Language) · EN 業界導入・応用
    Monitoring and Discovering Reward Hacking with Internal Representations during LLM Evaluations
    強化学習 ソフトウェア工学
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    Prepared Or Unprepared? Evaluating Healthcare Workforce Readiness for Clinical Adoption of Artificial Intelligence in Nigeria
    深層学習 ニューラルネットワーク 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    ASLEval: Measuring Privacy Exposure Displacement in LLM Agent Sessions
    AI エージェント
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.LG (Machine Learning) · EN 学習・ファインチューニング
    A Convergence Framework for Deep $V$-Learning: Error Propagation and Sharp Action-Gap Bounds
    検索拡張生成 (RAG)
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 新モデル・リリース
    CERA-MoA: Co-Evolving Routing Mechanisms with Continually Learning LLM Agents
    AI エージェント ファインチューニング ニューラルネットワーク 検索拡張生成 (RAG) 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 業界導入・応用
    Version- and Scope-Aware Question Answering over Normative Documents: A Deployed System and an End-to-End Evaluation at Production Scale
    ソフトウェア工学
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.CL (Computation and Language) · EN 安全性・評価
    Tracing individual knowledge trajectories in a changing field: the case of general relativity and gravitation
    埋め込み (Embeddings) ニューラルネットワーク 強化学習
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • OpenAI Blog · EN 業界導入・応用
    Reimagining advertising with AI
    OpenAI、ChatGPT 広告に「Sponsored Agents」を導入
    AI エージェント OpenAI
    OpenAI は 2026 年 9 月 16 日、ChatGPT の広告機能の刷新を発表した。広告クリック後に企業提供のエージェントと会話できる「Sponsored Agents」をテスト中で、ChatGPT Work では数個のプロンプトを書くだけで広告を作れるようにする。Ads Manager には AI クリエイティブ機能を追加し、HubSpot (CRM) と Shopify (EC) を初の連携先として、既存の業務ツールに広告出稿を組み込む。
    元記事を読む (OpenAI Blog) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN エージェント・ツール使用
    PACT: Can Enterprise AI Assistants Be Trusted Under Pressure?
    AI エージェント
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 学習・ファインチューニング
    Online Robust Reinforcement Learning Through Monte-Carlo Planning
    ニューラルネットワーク 強化学習
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN マルチモーダル
    Label-free steering: Compressing test-time reinforcement learning into bias-only subspaces
    コンピュータビジョン 強化学習 ソフトウェア工学
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.CL (Computation and Language) · EN 業界導入・応用
    Variational Quantum Transformer Architecture for Synthetic Language Generation
    ニューラルネットワーク 自然言語処理 (NLP) Transformer
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.LG (Machine Learning) · EN インフラ・ハードウェア
    The evolution of sex for artificial intelligence: a population-genetic framework for multigenerational model populations
    検索拡張生成 (RAG)
    元記事を読む (arXiv cs.LG (Machine Learning)) ↗
  • arXiv cs.CL (Computation and Language) · EN 推論・効率化
    Size Matters: Foundation Model for Czech HTML documents
    機械学習 強化学習
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.CL (Computation and Language) · EN インフラ・ハードウェア
    Planning or Improvisation? Stress-Testing the Poetry Planning Site on Open Models and Open Cross-Layer Transcoders
    Claude ニューラルネットワーク
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • Cohere Blog · EN 業界導入・応用
    Cohere and OpenText partner to bring trusted agentic AI to governments and regulated industries
    Cohere と OpenText が提携、規制業界向けエージェント AI を本番化
    AI エージェント ニューラルネットワーク
    Cohere と OpenText は、政府機関や規制業界でエージェント AI を試験導入から本番運用へ移すための戦略的提携を発表した。OpenText の企業データ基盤に Cohere のセキュア AI プラットフォーム「North」と企業向けモデルを統合し、AI エージェントが社内データを推論して複数システムを横断できるようにする。オンプレミスのほかプライベート/パブリック/ソブリンクラウドでの展開に対応する。
    元記事を読む (Cohere Blog) ↗
  • ITmedia AI+ · JA エージェント・ツール使用
    「APIキーは.envに」はもはや通用しない AIエージェントの“内通者化”をどう防ぐ?
    @IT、AIエージェント時代の認証情報対策を保管・動的発行・監査の3層で整理
    AI エージェント
    @IT連載「APIから読み解くAIの裏側」第2回が、.envにAPIキーを置く従来手法の限界と対策を解説。対策を①安全な保管②短命・狭スコープの資格情報を必要時に動的発行③誰がどの権限で何にアクセスしたかの監査、の3層に整理する。鍵をそのまま返すシークレットマネージャーと、OAuthフローを自ら実行しトークンを暗号化保管するトークンボールトの違いが要点だと論じる。
    元記事を読む (ITmedia AI+) ↗
  • Hacker News (Front Page) · EN 業界導入・応用
    We got admin access to Baseten's production GitHub in 25 minutes
    セキュリティ企業、25 分で Baseten の GitHub 管理権限を取得
    セキュリティ企業 Strix が、推論基盤 Baseten の利用を検討する前に自社の自律型ハッキングエージェントを走らせたところ、約 25 分で内部リポジトリに管理者権限を持つ有効な GitHub トークンを取得したと公表した。認証情報もソースコードも与えずに対象ドメインへ実行した結果で、ベンダー採用前の事前スキャンの一環だったとしている。
    元記事を読む (Hacker News (Front Page)) ↗
  • arXiv cs.CL (Computation and Language) · EN 学習・ファインチューニング
    What Breaks Under Pruning in Smart Homes, and When? Evaluating LLM Degradation Across Architectures and Task Complexity
    ファインチューニング Mixture of Experts (MoE) ニューラルネットワーク 強化学習 Transformer
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    Det-LIME: Detector-Aware, Multi-Instance Local Interpretable Model-Agnostic Explanations for Automated Marine Mammal Detection
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 安全性・評価
    Decomposition Buys Integrity, Not Yield
    AI エージェント ニューラルネットワーク
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.AI (Artificial Intelligence) · EN 開発者ツール
    Tracking the Unseen: An Occlusion-Robust Framework for Target Tracking Under Full and Long-Term Occlusion
    コンピュータビジョン
    元記事を読む (arXiv cs.AI (Artificial Intelligence)) ↗
  • arXiv cs.CL (Computation and Language) · EN 学習・ファインチューニング
    Enhancing Accessibility of Medical Texts through Large Language Model-Driven Plain Language Adaptation
    ファインチューニング Gemini GPT Llama 検索拡張生成 (RAG)
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗
  • arXiv cs.CL (Computation and Language) · EN インフラ・ハードウェア
    Large Language Models Develop Belief State Geometry In-Context
    深層学習 強化学習
    元記事を読む (arXiv cs.CL (Computation and Language)) ↗