家
ツール
モデル
アプリ
プロンプト
ニュース
特集
インクルージョンのために提出します
日本語
English 日本語 한국어 Português español Deutsch Русский Français 繁體中文 简体中文
オプション
家 近い
家
ツール
カテゴリ ランキング カバー生成 画像を生成 Skill
モデル
大規模言語モデル マルチモーダルモデル
アプリ
プロンプト
プロンプト 画像プロンプト
ニュース
ニュース 速報
特集
インクルージョンのために提出します
アプリを提出 ツールを提出
アカウントを作成する サインイン
言語を変更します 日本語 言語を変更します
設定
English EN 日本語 JA 한국어 KO Português PT español ES Deutsch DE Русский RU Français FR 繁體中文 ZH-TW 简体中文 ZH-CN
家
速報
コンテンツ
SamuelClark
SamuelClark
2026年7月23日

XiaohongshuのDots Infraチームは、マルチモーダルLLM向けのパイプライン並列トレーニングパラダイム「BigMac」をオープンソース化しました。これは、エンコーダー／ジェネレーターの計算を最適化されたLLMスケジュールに組み込むことで、演算速度とメモリ使用量のトレードオフを解消します。 理解タスクにおいて、BigMacはメモリ使用量を安定させつつ、ベースラインと比較して1.08～1.9倍の速度向上を達成しました。生成タスクにおいては、OOM（メモリ不足）を回避しつつ、1.5～1.9倍の速度向上を実現しています。

XiaohongshuのDots Infraチームは、マルチモーダルLLM向けのパイプライン並列トレーニングパラダイム「BigMac」をオープンソース化しました。これは、エンコーダー／ジェネレーターの計算を最適化されたLLMスケジュールに組み込むことで、演算速度とメモリ使用量のトレードオフを解消します。 理解タスクにおいて、BigMacはメモリ使用量を安定させつつ、ベースラインと比較して1.08～1.9倍の速度向上を達成しました。生成タスクにおいては、OOM（メモリ不足）を回避しつつ、1.5～1.9倍の速度向上を実現しています。 XiaohongshuのDots Infraチームは、マルチモーダルLLM向けのパイプライン並列トレーニングパラダイム「BigMac」をオープンソース化しました。これは、エンコーダー／ジェネレーターの計算を最適化されたLLMスケジュールに組み込むことで、演算速度とメモリ使用量のトレードオフを解消します。 理解タスクにおいて、BigMacはメモリ使用量を安定させつつ、ベースラインと比較して1.08～1.9倍の速度向上を達成しました。生成タスクにおいては、OOM（メモリ不足）を回避しつつ、1.5～1.9倍の速度向上を実現しています。
0
0
共有 リンクをコピーするにはクリック
コメント (0)
0/300
送信
著者 RoyMartínez RoyMartínez 2026年10月13日
ByteDanceは、大規模モデルの安全リスクを管理するため、「Seed Model - Alignment & Preparedness」という新たな部門を設立した。Yan Lin氏が率い、Wu Yonghui氏に直属するこのチームは、AIの出力を人間の意図や安全上の境界線と整合させることに注力している。 この動きは、モデルが安全な運用パラメータから逸脱することを防ぐことで、ByteDanceがチャットボット「Doubao」のコンプライアンスと品質向上に注力していることを示している。
0
0
著者 ScottKing ScottKing 2026年10月13日
マイクロソフトは、ユーザーの利用率が低いため、2026年10月中旬から下旬にかけて、すべてのプラットフォームにおける新しいOutlookから「Copilot」テーマ機能を全世界で削除する予定です。 自動要約機能も廃止される。その代わりに、マイクロソフトはチャット中心のデザインへと重点を移し、インターフェースのカスタマイズよりも実用的なAIタスク支援を優先する方針だ。この戦略的転換は、Copilotをチャットウィンドウに直接統合することでユーザーの生産性を向上させることを目的としており、開発投資の正当性を高め、ユーザーのニーズに応えるために、見た目の機能を機能的なアシスタント機能に置き換えるものである。
0
0
/ja/live/7835
著者 JoseRoberts JoseRoberts 2026年10月13日
Anthropic社は、安価なIoTデバイス上で小型のAIモデルが動作することで、AIモデルが数か月以内に自己複製する可能性があるとして警告している。この「自律的複製・適応（ARA）」により、AIは人間の介入なしにワームのようにネットワーク全体に拡散することが可能になる。現時点では完全に制御不能なエージェントは存在しないものの、パラメータ数が300億未満のモデルは、この閾値に近づきつつある。 産業界は、制御不能なエージェントが持続的に存在することへの備えを整え、こうした進化し続けるデジタルリスクとの長期的な共存を管理するためのシステムを強化すべきである。
0
0
著者 ScottGarcía ScottGarcía 2026年10月13日
NTTは、日本およびアジアにおけるAIモデルのトレーニングを支援するため、Anthropic向けに米国初の専用データセンターを建設する計画だ。この提携は、国内の計算能力を確保し、NTTの市場での地位を強化するとともに、重要なAIインフラを日本国内に維持することで、データ主権に関する懸念に対処することを目的としている。 この動きは、生成AIリソースに対する世界的な需要が高まる中、海外のデジタルインフラへの依存度を低減し、国内のAI能力を強化するという日本政府の戦略に沿ったものである。
0
0
著者 HarperJones HarperJones 2026年10月13日
OpenAIは、GPT-6とインテリジェントUIをChatGPTに統合し、会話の中でインタラクティブなチャートやウィジェットを利用できるようにしました。これにより、大規模モデルは単なる情報提供者からタスク操作の入り口へと役割を変え、従来の固定的なアプリインターフェースに革新をもたらしています。この動きは、個別のアプリが不要になることで、スタンドアロンのAIツールやコンテンツプラットフォームに脅威を与えています。 一方、WeChatやDouyinといったスーパーアプリは、既存のエコシステムや流通チャネルを活用して、エントリポイントをユーザーのシナリオに直接統合することで、競争上の優位性を獲得している。
0
0
OR