トピック: Reward Model

全セクション横断 4 件

米マイクロソフト研究チームが、画像生成AIの内部表現を転用して生成品質を自動評価する報酬モデル「DiT-Reward」を開発した。既存手法を全主要指標で上回り、広告・EC・メディア業界の制作工程に直接影響を及ぼす可能性がある。

マサチューセッツ大学などの研究チームが、ユーザーのマウス操作と視線データだけでLLMの応答品質を大幅に向上させる手法を開発した。高コストな人手評価を代替しうる技術として、AI導入企業の運用コスト削減に直結する可能性がある。

米マサチューセッツ大学などの研究チームが、ユーザーのマウス操作と視線データからAIの回答品質を自動改善する手法を開発した。明示的な評価入力を不要とし、AI改善コストの大幅削減が見込まれる。

米サルフォース・リサーチらの研究チームが、複数のAIエージェントを束ねる「オーケストレーター」の訓練効率を最大10倍改善する手法「OrchRM」を発表した。企業のAI活用コスト構造を根本から変える可能性がある。