登録して招待リンクを共有すると、動画再生報酬と紹介報酬を獲得できます。

検索結果 基盤モデル
基盤モデル コミュニティ
1つのキーワードが1つのコミュニティです。
コミュニティ作成
アカウント
見つかりません
基盤モデル を含む検索結果
ロボット基盤モデルがシミュレーションでは高性能なのに、カメラの位置や照明が変わった途端に失敗する原因、実は「見た目のズル」だったかもしれません。 タイトル: Breaking the Vision-Action Shortcut: Latent Interface Training for Generalizable Robotics Foundation Models URL: 📝 概要 訓練分布内でたまたま行動と相関しているだけの無関係な視覚手がかりに頼ってしまう「視覚-行動ショートカット」を断ち切る学習手法「Latent Interface Training(LIT)」を提案しています。 ❗ 解決する課題 ロボット基盤モデルは分布内では強いのに、視覚的な分布シフト(カメラ視点・照明・センサノイズなど)が起きると性能が大きく落ち込む問題がありました。 ⚙️ 方法論 まず画像を使わずポーズ目標だけで行動部分を事前学習し、次に100個の潜在トークンを介して視覚情報を必ず経由させ、ポーズ再構成損失で監督する2段階構成になっています。 🤖 ユースケース π0.5・MolmoAct2・FAST-WAM・ImageWAMという4種類の異なるロボット基盤モデルすべてに適用でき、フレームワークを選ばない汎用的な手法です。 📊 実験結果 LIBERO-Plusの分布外評価で全モデルが3.87〜10.70ポイント改善。実世界のロボット操作でも照明変化時に+16.7ポイント、特定タスクでは+60ポイントという大きな改善を達成しています。 見た目に頼らず本質的な空間情報で判断させる発想が、実運用ロボットの信頼性向上に直結しそうです。 #ロボティクス# #VLA#
もっと見る
表形式データの基盤モデル、実は「目的変数だけ」を予測する設計に留まっていました。テーブル全体の変数間の関係そのものを学習させる新しいパラダイムが登場しています。 タイトル: LimiX-2: A Contextual Mechanism Network Towards General Structured-Data Intelligence URL: 📝 概要 「Contextual Mechanism Networks(CMN)」という新パラダイムで、目的変数y だけでなくテーブル全体の同時分布p(x, y)を学習し、分類・回帰・欠損値補完・因果構造探索を単一モデルでこなします。 ❗ 解決する課題 既存のPFN系手法は目的変数の条件付き予測のみに特化しており、変数同士の依存構造を明示的に扱えていませんでした。 ⚙️ 方法論 セル単位の埋め込みとデュアル軸トランスフォーマー(24層)で、コンテキスト行とクエリ行の一部をマスクして特徴とターゲットを同時予測する「Context-Conditional Masked Modeling」で学習します。構造因果モデルに基づく合成データで大規模に事前学習しています。 📊 実験結果 TabArena(51データセット)でEloスコア1935(比較対象1818)、BCCO(156データセット)で累積勝数が2.06倍。因果構造の復元でも6データセット中6つでF1スコア最優秀を記録し、パラメータ数はTabFMの4分の1で上回りました。 🔬 ユースケース 分類・回帰だけでなく因果探索にも同じモデルが使えるため、データ分析パイプライン全体を1つの基盤モデルで置き換えられる可能性があります。 #表形式データ# #機械学習#
もっと見る
ベースモデルに依存しないオーケストレーションに向けて ブログ: Sakana Fuguは、マルチエージェントのオーケストレーションを一つの基盤モデルとして提供するプロダクトです。一つのエンドポイントにリクエストを送ると、Fugu自身が処理の仕方を判断しモデル群に適切に タスクを割り振り、単一モデルを超える性能やコスト性能を達成します。 Sakana Fuguは、実際の処理を担う「モデルプール」と、どのモデルにどう任せるかを判断する「指揮者モデル」の二層構造です。モデルプールは当初から入れ替え可能な設計になっています。今回、モデルプールだけでなく、指揮者モデルに関しても、新しくオープンモデルであるGemma 4をベースに訓練し、当社の評価セットで従来と遜色ない性能とコスト削減効果を確認しました。 今後は自社開発モデルをベースとした指揮者モデルにも取り組み、求められるソブリン性の要件に応じてモデルオーケストレーションのポテンシャルをお届けできる体制を整えていきます。
もっと見る
AIRoA、ロボット基盤モデル「AIRoA-0」を公開
世界最高クラスの日本語性能を持つ生成AI基盤モデルPLaMoとブラウザでチャットできるPLaMo Chatは、 から無料で利用可能です。ぜひ一度お試しください。
もっと見る
TL;DR: 「あなたが使うモデルは、事前学習されたモデルではない」。基盤モデルを役立つ行動方針に変えるポストトレーニングを、模倣→比較→探索→検証→転移→予期の6段階で一望できる87枚の講義デッキです。 タイトル: Post-Training LLMs(Kawin Ethayarajh, AI and Economics Summer Institute 2026) URL: ポイント 📝 SFT: デモを見せて模倣。計画やツール利用を含む軌跡全体を教えられるが、本質は模倣 ⚖️ オフライン選好最適化: 勝ち負けの比較で学ぶ。DPOは報酬モデルを省略、KTOは結果単位で学びSFT不要 🎲 オンラインRL: 現方策が探索。REINFORCE/PPO/GRPO、報酬はほぼ系列単位 ✅ RLVR: 報酬モデルをチェッカーに置換。二値の合否で十分、RLHFより予測可能にスケール 🧪 環境: RLはタスク+データ+インターフェース+テストのサンドボックス。ボトルネックは例から環境へ 🔁 On-Policy蒸留: 生徒の軌跡を教師が採点。RLの方策を7〜10倍少ないステップで複製 🌐 World Adaptation: 環境がエージェントに適応し返す。機械可読性を高める「メカ・ナッジ」 経済学の視点も織り込んだ、実務者に効く体系的な地図です。 #LLM# #PostTraining#
もっと見る
もうすでに宣伝されてますが。 AIRoAとしてのオープンな基盤モデル"A-0"を公開しました。 Yubiで収集した16,000時間以上のデータで学習しています。ロボットハードウェアを選ばずに利用できるのが特徴です。 CoRL2026で発表する成果などを導入し、他のオープンモデルと比較して高いパフォーマンスを示しています。
もっと見る
リアルワールド(RLWRLD)、「KDDI SUMMIT 2026」に出展 ロボット基盤モデル「RLDX-1」による物流倉庫での出荷作業...
アトム、経済産業省・NEDOが推進する「GENIAC」のロボット基盤モデル研究開発事業に採択
Olive、経済産業省・NEDO『GENIAC-PRIZE 2026』国産基盤モデル開発事業者リストに掲載