GPT-4.5を発表
要約を読む要約を閉じる
OpenAIがチャット向けに最大かつ最高のモデル「GPT-4.5」の研究プレビューを公開しました。
GPT-4.5は、事前学習と事後学習のスケールアップにおいて大きな進歩を遂げています。
より高度な対話AIが利用可能になり、ユーザーの様々な質問やタスクへの対応能力が向上します。
これは、既存のモデルと比較して、事前学習と事後学習のプロセスをさらに大規模化し、性能向上を図ったものです。
研究プレビューとして公開され、今後の展開が注目されます。
OpenAIがチャット向けに最大かつ最高のモデル「GPT-4.5」の研究プレビューを公開しました。
GPT-4.5は、事前学習と事後学習のスケールアップにおいて大きな進歩を遂げています。
より高度な対話AIが利用可能になり、ユーザーの様々な質問やタスクへの対応能力が向上します。
EndexがOpenAIの推論モデルを活用し、自律型金融アナリストを開発しました。
OpenAIの新しい推論モデル「o1」と「o3-mini」が金融分析の自動化に利用されています。
金融機関や投資家は、より迅速かつ効率的に市場分析や意思決定を行えるようになります。
Hugging Faceとインド科学大学院大学(IISc)が、インドの多様な言語に対応するAIモデル構築を加速するため提携しました。
この提携は、Hugging FaceのプラットフォームとIIScの研究力を組み合わせ、多言語AIモデル開発を効率化します。
インドの多言語話者がより高精度なAIサービスを利用できるようになり、言語の壁が低減されるでしょう。
Google DeepMindが、軽量で高速なAIモデル「Gemini 2.0 Flash-Lite」を一般公開しました。
Flash-Liteは、高速処理と低コストを実現し、幅広いアプリケーションへの組み込みを可能にします。
開発者はより手軽に高性能AIをアプリケーションに統合でき、ユーザーは応答性の高いAI体験を享受できます。
エストニア政府とOpenAIが提携し、全国の中等教育機関にChatGPT Eduを導入します。
教育機関向けにカスタマイズされたChatGPT Eduが、エストニアの学生と教師に提供されます。
エストニアの学生は最新のAIツールを学習に活用でき、教育現場のデジタル化が加速します。
Googleが多言語対応の視覚言語モデル「SigLIP 2」を発表しました。
SigLIP 2は、多言語テキストと画像を連携させることで、多言語環境での画像理解と検索性能を向上させます。
世界中の多様な言語を話すユーザーが、より正確な画像検索や多言語コンテンツ理解の恩恵を受けられます。
米国で大学生のChatGPT利用状況を州別に調査し、その格差が将来の労働力に与える影響を分析しました。
州ごとのChatGPT利用率に大きな差があり、特に経済的に不利な地域で利用が遅れていることが明らかになりました。
デジタル格差が拡大し、将来の労働市場で特定の地域の学生が不利になる可能性があります。
Googleが新しい命令型ビジョン言語モデル「PaliGemma 2 Mix」をリリースしました。
PaliGemma 2 Mixは、画像とテキストの両方を理解し、指示に従ってタスクを実行できる点が特徴です。
ユーザーはより自然な言葉で画像に関する質問や指示を出せるようになり、AIとの対話が向上します。
OpenAIが、LLMが実世界のソフトウェア開発で稼げるかを測るSWE-Lancerベンチマークを発表しました。
このベンチマークは、LLMがフリーランスのソフトウェアエンジニアとして100万ドル稼ぐことを目標にしています。
LLMのソフトウェア開発能力の客観的な評価が進み、開発現場でのAI活用が加速する可能性があります。
OpenAIとガーディアン・メディア・グループがコンテンツ提携を結びました。
ガーディアンのニュースコンテンツがChatGPTで利用可能になり、AIの学習データとしても活用されます。
ユーザーはChatGPTを通じて信頼性の高いニュースにアクセスでき、メディア企業は新たな収益源を得る可能性があります。
Hugging FaceがAIモデルホスティングプラットフォームにFireworks.aiを迎え入れました。
Fireworks.aiは、高速かつ低コストで大規模言語モデル(LLM)の推論サービスを提供します。
開発者はより効率的にLLMを活用し、AIアプリケーションの構築と展開を加速できます。
Hugging FaceがオープンLLMリーダーボードの評価方法を改善するため、数学検証タスク「Math-Verify」を導入しました。
LLMが生成した数学的解答の正しさを検証するタスクで、単なる正解率だけでなく推論能力をより正確に測ります。
より信頼性の高いLLMの性能評価が可能になり、開発者はモデルの弱点を特定しやすくなります。