A message from the future sounds like science fiction, until someone starts asking how many bits it could actually carry. That is the question three physicists have now answered, using a setup ...

大規模視覚言語モデル（LVLM）が段階的な思考による推論（Chain-of-Thought, CoT）を行う際、根拠と結果が一貫していないという重大な課題を発見しました。

NTTが大規模視覚言語モデル（LVLM）の推論根拠を説明できる新手法「根拠強化デコーディング」を開発した。推論時に画像と思考根拠の入力を分離し、それぞれから情報を抽出したうえで、出力直前で統合することにより、画像と思考根拠の両方に基づいた出力が得られ ...

Claudeはまた、「新しさ」の概念をChatGPTとは異なる方法で扱う。大多数のAIツールは新しいコンテンツを好む傾向があるが、Claudeは以前に公開されたアイテムを引用する可能性がChatGPTよりも高く、コンテンツの寿命が長くなる。

米Googleは6月3日（現地時間）、テキストに加えて画像・音声・動画を直接処理できる120億パラメータのオープンウェイトモデル「Gemma 4 12B」を公開した。本モデルはApache 2.0ライセンスを採用し、商用利用を含めて無償で提供される。