トピック: Model Risk Management (MRM)

全セクション横断 3 件

米カーネギーメロン大などの研究チームが、拡散モデルの低次元適応特性が係数選択に依存しない堅牢な性質であることを数学的に証明した。生成AIの実用展開における設計の自由度を大幅に高める成果として注目される。

物理学の知見を応用した深層学習の統計的特性分析が発表された。モデル規模と性能の関係を示す「ニューラルスケーリング則」の理解が深まり、AI投資対効果の予測精度向上につながると期待される。

米国の研究チームが、複雑な依存データ環境でも独立データと同等の学習保証を得られる「シミュレータブルプロセス」理論を発表した。金融・製造・医療など依存性の高いデータを扱う産業に広く影響を与える可能性がある。