Apple、性能面の懸念がある中、画像説明用AI「RubiCap」を発表
コンピュータビジョン分野において、AIに人間並みの精度で画像のあらゆる細部を観察・描写させることは、長年にわたり中核的な課題とされてきました。最近、Appleはウィスコンシン大学マディソン校と共同で、「RubiCap 」という新しいAIトレーニングフレームワークを正式に公開しました。
このフレームワークは「高密度画像キャプション」に特化して設計されており、単なる一般的な要約にとどまらず、「木製のテーブルの上にある赤いリンゴ」や「遠くにいる歩行者」といった微細な詳細をAIが正確に捉え、表現できるようにすることを目指しています。

大きな影響をもたらす強化学習:Qwen2.5が「審判」の役割を果たす
従来の画像キャプション生成は、コストのかかる人間によるアノテーションや、幻覚を起こしやすい大規模モデルに依存することが多く、データ品質にばらつきが生じがちでした。Appleの研究チームは、革新的な強化学習アプローチを用いてこの課題に取り組みました。このシステムではまず、GPT-4とGemini 1.5 Proを使用して候補となる説明文を生成します。その後、Gemini 1.5 Proが評価基準を精緻化し、Qwen2.5モデルが「審判」としてスコアとフィードバックを提供します。
この構造化された正確なフィードバックにより、学習モデルは誤りを明確に特定・修正できるようになり、パラメータ数が少ない場合でも、より高い説明精度を実現します。
コンパクトモデルの利点:幻覚発生率が低く、1兆パラメータ級のモデルを上回る
このフレームワークで学習されたRubiCapシリーズモデル(パラメータ数20億~70億)は、評価において卓越した効率性を示しました。 実験データによると、70億パラメータの RubiCap モデルはブラインドテストで最高スコアを達成し、その幻覚エラー率は、業界をリードする 7,200億パラメータの大型モデルよりも低かった。驚くべきことに、30億パラメータのミニバージョンは、特定の指標において 70億パラメータのモデルを上回る性能を発揮した。
関連記事
AIモデルルーティングが勢いを増す中、StripeがOpenRouterを買収へ
Stripeは、開発者が単一のインターフェースを通じて数百のモデルにアクセスできるAIモデルルーティングプラットフォーム「OpenRouter」の買収に合意した。この買収により、StripeのAI活用やトークンベースの課金に関する既存の取り組みに、モデルの選択およびルーティング機能が追加されることになる。Stripeによると、OpenRouterは80社以上のプロバイダーが提供する400以上のモデ
OpenAIの元研究員バレット・ゾフ氏が、Geminiの開発を支援するためGoogleに復帰
以前、Thinking Machines LabのCEOであるミリアム・ムララティ氏との意見の相違により、突然同社を退社してOpenAIに加わったバレット・ゾフ氏が、再び転職した。Alphabet傘下のGoogleは、ゾフ氏が研究担当副社長として復帰し、強化学習とポストトレーニングに関する専門知識をGeminiチームにもたらすことを発表した。「回転ドア」式研究者のサイクルゾフ氏のキャリアは、AI人
Recursive Intelligenceが4か月で40億ドルの評価額に基づき3億3500万ドルを調達した経緯
スタートアップ「Ricursive Intelligence」の共同創業者たちは、まるで共同創業者になる運命にあったかのようだった。CEOのアンナ・ゴールディ氏とCTOのアザリア・ミルホセイニ氏は、AIコミュニティでは非常に有名であり、ゴールディ氏はTechCrunchに対し、「ザッカーバーグから、とんでもないオファーが書かれた奇妙なメールを受け取ったAIエンジニアたち」の一人だったと、笑いながら
関連特集おすすめ
コメント (0)
0/500
コンピュータビジョン分野において、AIに人間並みの精度で画像のあらゆる細部を観察・描写させることは、長年にわたり中核的な課題とされてきました。最近、Appleはウィスコンシン大学マディソン校と共同で、「
このフレームワークは「高密度画像キャプション」に特化して設計されており、単なる一般的な要約にとどまらず、「木製のテーブルの上にある赤いリンゴ」や「遠くにいる歩行者」といった微細な詳細をAIが正確に捉え、表現できるようにすることを目指しています。

大きな影響をもたらす強化学習:Qwen2.5が「審判」の役割を果たす
従来の画像キャプション生成は、コストのかかる人間によるアノテーションや、幻覚を起こしやすい大規模モデルに依存することが多く、データ品質にばらつきが生じがちでした。Appleの研究チームは、革新的な強化学習アプローチを用いてこの課題に取り組みました。このシステムではまず、GPT-4とGemini 1.5 Proを使用して候補となる説明文を生成します。その後、Gemini 1.5 Proが評価基準を精緻化し、Qwen2.5モデルが「審判」としてスコアとフィードバックを提供します。
この構造化された正確なフィードバックにより、学習モデルは誤りを明確に特定・修正できるようになり、パラメータ数が少ない場合でも、より高い説明精度を実現します。
コンパクトモデルの利点:幻覚発生率が低く、1兆パラメータ級のモデルを上回る
このフレームワークで学習されたRubiCapシリーズモデル(パラメータ数20億~70億)は、評価において卓越した効率性を示しました。 実験データによると、70億パラメータの RubiCap モデルはブラインドテストで最高スコアを達成し、その幻覚エラー率は、業界をリードする 7,200億パラメータの大型モデルよりも低かった。驚くべきことに、30億パラメータのミニバージョンは、特定の指標において 70億パラメータのモデルを上回る性能を発揮した。
AIモデルルーティングが勢いを増す中、StripeがOpenRouterを買収へ
Stripeは、開発者が単一のインターフェースを通じて数百のモデルにアクセスできるAIモデルルーティングプラットフォーム「OpenRouter」の買収に合意した。この買収により、StripeのAI活用やトークンベースの課金に関する既存の取り組みに、モデルの選択およびルーティング機能が追加されることになる。Stripeによると、OpenRouterは80社以上のプロバイダーが提供する400以上のモデ
OpenAIの元研究員バレット・ゾフ氏が、Geminiの開発を支援するためGoogleに復帰
以前、Thinking Machines LabのCEOであるミリアム・ムララティ氏との意見の相違により、突然同社を退社してOpenAIに加わったバレット・ゾフ氏が、再び転職した。Alphabet傘下のGoogleは、ゾフ氏が研究担当副社長として復帰し、強化学習とポストトレーニングに関する専門知識をGeminiチームにもたらすことを発表した。「回転ドア」式研究者のサイクルゾフ氏のキャリアは、AI人
Recursive Intelligenceが4か月で40億ドルの評価額に基づき3億3500万ドルを調達した経緯
スタートアップ「Ricursive Intelligence」の共同創業者たちは、まるで共同創業者になる運命にあったかのようだった。CEOのアンナ・ゴールディ氏とCTOのアザリア・ミルホセイニ氏は、AIコミュニティでは非常に有名であり、ゴールディ氏はTechCrunchに対し、「ザッカーバーグから、とんでもないオファーが書かれた奇妙なメールを受け取ったAIエンジニアたち」の一人だったと、笑いながら





家






