次回の更新記事:NECの決算に見る、現場起点のAI活用と人材育成の今(公開予定日:2025年05月18日)

LLMによるフィードバック生成を一段階進める方法 学びを促進するための見直しと導入の手順
マルチモーダルLLM活用で画像異常検知に「意味」を与え精度向上 見つけるだけで終わらせない
LLM活用アプリ開発事例 ユーザーの目標達成を支援する習慣化システムの作り方
「人間とAIエージェントの協働」設計ガイド 考え方、LLM活用フレームワーク、応用事例
プロンプトによるLLM応答のパーソナライゼーション 仮説を活用して文体を調整
Oracleの決算から読み解くAI市場におけるクラウドビジネストレンドと人材ニーズ
AIは“考えすぎる”? 判断ミスの裏側にある仕組みに迫る 週末読みたいAI科学ニュース
LLMが生成するWebアプリケーションコードのセキュリティを検証する
パッケージ依存から見たLLMの全体構造とリスク 技術基盤ネットワークを俯瞰する
LLMエージェントに必要なメモリーの選び方と残し方 抽出と構造化で蓄積される記憶のかたち
自動コードドキュメント生成を行うLLMエージェント設計論
ビジネスプロセス評価におけるLLMの使いどころ
富士通の最新決算から学ぶ国内IT企業のAI事業トレンドと人材採用ニーズ
AIが心を読み、世界を学ぶ? 週末読みたいAI科学ニュース
LLMエージェントで社会現象をシミュレーションするには何が必要か
「Pandasデータフレームの欠損値を確認せよ! 」AIクイズ実装編【第7問】
「配列をpandasデータフレームにせよ! 」AIクイズ実装編【第6問】
「モデル作成後の評価法は? 」AIクイズ実装編【第5問】
「scikit-learnで最小二乗法! 」AIクイズ実装編【第4問】
「pandasでcsvファイルを読み取る! 」AIクイズ実装編【第3問】
「numpy配列の行数と列数を取得せよ! 」AIクイズ実装編【第2問】
「データを訓練データとテストデータに分割せよ! 」AIクイズ実装編【第1問】
「クラスタリングの評価手法『ARIやNMI』の欠点は? 」AIクイズscikit-learn編【第5問】
「DBCANの正しい説明とは? 」AIクイズscikit-learn編【第4問】
「凝集型クラスタリングとは? 」AIクイズscikit-learn編【第3問】
「t-SNEは何次元のデータを可視化できる? 」AIクイズscikit-learn編【第2問】
「非負値行列因子分解(NMF)とは? 」AIクイズscikit-learn編【第1問】
「ディープラーニングの応用分野はどれ? 」AIクイズ応用編【第30問】
「Pythonのグラフ描画ライブラリはどれ?」AIクイズ応用編【第29問】
「ニューラルネットワークの学習の流れ、分かる?」AIクイズ応用編【第28問】
LLMによるフィードバック生成を一段階進める方法 学びを促進するための見直しと導入の手順
マルチモーダルLLM活用で画像異常検知に「意味」を与え精度向上 見つけるだけで終わらせない
LLM活用アプリ開発事例 ユーザーの目標達成を支援する習慣化システムの作り方
「人間とAIエージェントの協働」設計ガイド 考え方、LLM活用フレームワーク、応用事例
プロンプトによるLLM応答のパーソナライゼーション 仮説を活用して文体を調整
LLMが生成するWebアプリケーションコードのセキュリティを検証する
パッケージ依存から見たLLMの全体構造とリスク 技術基盤ネットワークを俯瞰する
LLMエージェントに必要なメモリーの選び方と残し方 抽出と構造化で蓄積される記憶のかたち
自動コードドキュメント生成を行うLLMエージェント設計論
ビジネスプロセス評価におけるLLMの使いどころ
LLMエージェントで社会現象をシミュレーションするには何が必要か
人間の考えに潜む認知バイアスをLLMで捉える手法
オープンソースLLMを軽さそのままに賢くする「知識蒸留」の方法と性能向上測定結果
科学分野におけるLLM活用の発展まとめ
論文本文のみをもとに実装コードを生成する LLMベースの方法論
人間の集団が持つアイデアはAIによって多様性が向上することが研究で示唆されています。
数学オリンピックの金メダリストと似たレベルで幾何学問題を解くAIシステムをDeepMindが開発したことがNatureで報告されています。
JPモルガンの研究者らは、企業のドキュメントをLLMで読み込むモデル『DocLLM』を発表しました。
視覚・テキスト・音声そして行動データを処理するマルチモーダルLLM「Unified-IO 2」を開発したと報告されています。
オセロで「完璧な手を打ち続けた結果は引き分けである」ことを証明する研究が発表されました。
現時点でのLLMに対する網羅的な評価分析が行われました。
LLMと遺伝的アルゴリズムを使用して、個性によって社会集団の行動がどのように変化していくのかを観察する挑戦的な研究が行われました。
特定の個人の好みやニーズに最も適したレスポンスや行動を行うLLMを開発する手法、『Personalized Soups(意訳:ぼくだけのためのスープ)』が開発されました。
「DALL-E 3はどうしてユーザーの意図を正確に汲み取ることができるのか?」に対するOpenAIの論文が発表されました。
電気回路図などの図表をテキストのみから生み出すLLM駆動のフレームワーク『DiagrammerGPT(ダイアグラマーGPT)』が登場しました。
GPT-4との対話でタスクプランニングを行うロボットシステムフレームワークが発明されました。
GPT-4などLLMのコード生成能力にデバッグ機能を追加する『SELF-DEBUGGING(セルフデバッギング)』フレームワークが考案されました。
LLMがソフトウェアエンジリアリングにおいて現時点で役に立つこと&課題。Metaなどの研究者らが報告
OpenAIは、DALL·E 3の論文を通して「画像生成AIの安全性は前進した」ことを報告しています。
トヨタから「栽培しなくても作物の特性がわかるAI」の特許が出願。なぜ?
主要な世界的AI研究機関(企業)が自社の論文を掲載しているWebページまとめ
AIによる「電力予測」どこまで進んでる?研究事例まとめ
「投資」にAIを活用した研究事例まとめ【解説あり】
「農業」や「畜産」にAIを活用した研究事例まとめ【解説あり】
「食品の品質管理」にAIを活用した研究事例まとめ【解説付き】
「学会レポート」特集!記事一覧
「AI研究者が語る」特集!記事一覧
「AI時代のメンタリズム」特集!記事一覧
「AI×釣り」特集!記事一覧
「AIアプリやってみた」特集!記事一覧
「StyleGAN」特集!記事一覧
「G検定・E資格」特集!
「東大生AI初心者じゅんぺーの学習日誌」特集!記事一覧

SNSでも発信中

企業と働き手を繋ぐマッチングサービスはこちらから


AIDBとは


AIDBは、論文などの文献に基づいてAIの科学技術や市場にキャッチアップするためのサービスです。個人の研究や仕事探し、法人の調査や採用を支援します。2019年から運営しています。

日本ディープラーニング協会

PAGE TOP