Alibaba Qwen Audio 3.0 TTS Plus、Speech Arena リーダーボード1位、16言語対応の音声生成モデル
Alibaba の Qwen Audio 3.0 TTS Plus が Artificial Analysis の Speech Arena リーダーボードで首位獲得。16言語対応、自然言語によるボイススタイル調整が可能。ただし処理速度が課題で、毎秒16文字と既存製品より著しく遅い。
続きを読む
タグ一覧に戻る
言語モデル
記事数: 11 件
米海軍が発表した「AI-first 艦隊」戦略──データから軍事行動までの自動化サイクル、2027年から本格展開
米国防省海軍省が承認した新しい AI 戦略は、「Bits2Effects Cycle」と呼ぶ 5 段階フレームワークで、軍事データ収集から実際の軍事行動までを自動化・加速させる。大型言語モデルの艦上配置、通信遮断時の AI 自律システム、エンジニア倍増計画。
続きを読む
AI 検索エージェントの真の課題——曖昧クエリへの対応能力が欠如、新ベンチマーク DiscoBench が指摘
Tencent・Tsinghua 研究チームが新ベンチマーク DiscoBench を発表。AI 検索エージェントの失敗原因は検索性能ではなく、曖昧クエリに対して質問を返すスキルの欠如だ。
続きを読む
ByteDance開発の拡散言語モデル「iLLaDA」がQwen2.5と同等レベルを実現——自己回帰型との性能競争始まる
人民大学とByteDanceの研究者が開発した拡散型言語モデル「iLLaDA」がQwen2.5 7Bと同等のベンチマーク性能を達成。12兆トークンで一から学習した新モデルが、従来の自己回帰型との競争の可能性を示唆します。
続きを読むGoogle DiffusionGemma、4倍高速テキスト生成を実現——品質と速度のトレードオフを選べるモデル
GoogleがMoE搭載の実験的言語モデルDiffusionGemmaを発表。従来の拡散テキスト技術により、リアルタイム推論が必要なアプリケーションで最大4倍の高速化を実現します。
続きを読む
大規模モデルが稀なスキルを習得できる理由：研究が解明したメカニズム
言語モデルのサイズと学習効率の関係について、研究者たちが新たなメカニズムを発見。モデルを大きくするだけでなく、訓練データの構成を工夫することで、小規模モデルでも稀なスキルを習得できる可能性が示唆されました。
続きを読む
ByteDance の研究が長文書処理の訓練方法を刷新、QA学習が転記よりも5～6ポイント効率化
マルチモーダル言語モデルの長文書処理能力は、アーキテクチャではなくデータセット設計で大きく向上することが判明。より小規模なモデルでも業界標準の性能を目指せる可能性が広がった。
続きを読む
Cohere、最高性能の言語モデル Command A+ をオープンソース公開——218 億パラメータ、48言語対応
カナダの AI 企業 Cohere が、同社最強の言語モデル Command A+ を Apache 2.0 ライセンスでオープンソース化。218 億パラメータの Mixture of Experts モデル、マルチモーダル対応、128K トークン のコンテキスト、Hugging Face で即座に利用可能。開発者に新たな選択肢。
続きを読む
フィールズ賞受賞者が検証: ChatGPT 5.5 Pro がオープン問題を『ゼロ工数』で解く
数学者Timothy Gowersが実験。ChatGPT 5.5 Proは数論のオープン問題を30分以内に解き、MIT研究者も『完全にオリジナルな発想』と評価。LLMの数学推論が研究レベルに到達。
続きを読むTencent の 440MB 超軽量 AI 翻訳モデル、33言語に対応――スマートフォンでオフライン翻訳、Google Translate を上回る精度
Tencent が極度に圧縮された AI 翻訳モデル「Hy-MT1.5-1.25bit」をオープンウェイト公開。3.3GB から 440MB に圧縮し、33言語をサポート。スマートフォンで完全オフライン実行でき、商用サービスと同等の翻訳精度を実現。
続きを読む
「タルキー」の異なる未来像――1930年までの知識で学習したLLMが予測する2026年
13Bパラメータの言語モデル『Talkie』は、1931年以降の出版物を一切学習せずに学習されたユニークなLLM。蒸気船とロボット技術の将来像、そして第二次世界大戦の不可視性を描く、時間軸を逆行する知識構造の実験から見えるもの。
続きを読む