音声 | AIDB

ホーム
音声

コンテンツ検索

Claude 3.5 Computer Useのケーススタディ集　示唆される「GUIエージェントの夜明け」

By AIDB Research / 2024/11/21

本記事では、PCの画面を見て操作できる「...

LLMが長々と説明するときは自信がない傾向にある　14個のモデルで検証

By AIDB Research / 2024/11/20

本記事では、LLMが「答えに自信がない時...

LLMプロジェクト開発に必要な新しい概念「AgentOps」とは

By AIDB Research / 2024/11/19

本記事では、LLMエージェントを安全に開...

オープンソースのコード生成LLMが商用LLMに追いつく　Qwen2.5-Coderの能力値全容

By AIDB Research / 2024/11/18

本記事では、コード生成に特化したLLM「...

画像も文字も表も全部まとめて理解するRAGシステムの提案　Bloombergなど

By AIDB Research / 2024/11/15

本記事では、複数の文書やページから図や表...

Llama 3.1シリーズ、8ビット量子化で半分以下のサイズでも性能をほぼ完全維持、実験で確認

By AIDB Research / 2024/11/14

本記事では、LLMの推論コストを削減する...

LLMにおける長文処理能力の進化を調査 Claude 3.5は情報の流れを追跡するスキルに長ける

By AIDB Research / 2024/11/13

本記事では、LLMの長文処理能力について...

上司役のLLMが部下LLMたちに的確に仕事を振り分ける『Magentic-One』マイクロソフトが開発

By AIDB Research / 2024/11/12

本記事では、マイクロソフトが開発したマル...

「HTMLをそのままLLMに入力してはどうか」という新しいアプローチ

By AIDB Research / 2024/11/11

本記事では、LLMの精度向上のために用い...

LLMの機能別「領域」はまるで脳のようであるとの仮説

By AIDB Research / 2024/11/08

本記事では、LLMの内部で発見された驚く...

2024/1/27
LLM 画像生成画像認識論文音声

AIDB

コンテンツ検索

Claude 3.5 Computer Useのケーススタディ集　示唆される「GUIエージェントの夜明け」

LLMが長々と説明するときは自信がない傾向にある　14個のモデルで検証

LLMプロジェクト開発に必要な新しい概念「AgentOps」とは

オープンソースのコード生成LLMが商用LLMに追いつく　Qwen2.5-Coderの能力値全容

画像も文字も表も全部まとめて理解するRAGシステムの提案　Bloombergなど

Llama 3.1シリーズ、8ビット量子化で半分以下のサイズでも性能をほぼ完全維持、実験で確認

LLMにおける長文処理能力の進化を調査 Claude 3.5は情報の流れを追跡するスキルに長ける

上司役のLLMが部下LLMたちに的確に仕事を振り分ける『Magentic-One』マイクロソフトが開発

「HTMLをそのままLLMに入力してはどうか」という新しいアプローチ

LLMの機能別「領域」はまるで脳のようであるとの仮説

音声

マルチモーダルLLMの技術や開発トレンド、26種類のモデル例を網羅的にまとめた報告

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。

Metaのリアルタイム多言語間翻訳システム『Seamless（シームレス）』は話し方のトーンや抑揚も反映

自分の話し声を別の誰かの声にリアルタイム変換するモデルが、一般消費者向けCPUで動かせる軽さで登場

キーボード打鍵音から入力文字を特定するハッキング技術の精度が高いことが判明

大規模言語モデルが音声をダイレクトに理解する能力を与える　Metaとケンブリッジ大

人間の脳活動から音楽を再構築する：Brain2Musicの紹介

MRIデータから音声を合成する手法　UCバークレーなどが開発

コンテンツ検索

おすすめポスト

コンテンツ検索

音声

コンテンツ検索

直近1ヶ月で読まれている記事

おすすめポスト