トピック: Best-of-N Sampling

全セクション横断 3 件

米ジョンズ・ホプキンス大学などの研究チームが、大規模言語モデルを再学習せずに出力傾向を調整する手法「MISVO」を発表した。低コストで応答品質を維持したまま報酬を最適化でき、企業のAI運用コスト削減につながる可能性がある。

京都大学などの研究チームが、マスク拡散モデルに報酬誘導型リマスキング機構を組み込んだ「MDM-VGB」を発表。従来の推論時スケーリング手法と比べ計算複雑度を指数的から二乗的へ削減し、品質制約を伴う生成AIの実用化を加速させる可能性がある。

京都大学らの研究チームが動画生成AIの品質評価を生成途中の「ノイズ状態」から直接実施できる手法「PRISM」を開発した。従来比で大幅な計算コスト削減が見込まれ、映像制作・広告業界のAI活用コスト構造を根本から変える可能性がある。