AIニュース

ToddlerBotは、スタンフォード大学が開発したオープンソースの機械学習およびヒューマノイドロボットプラットフォームで、モーション操作を目的としており、大規模で高品質なトレーニングデータを効率的に収集できるように設計されています。ToddlerBotは30の自由度を持ち、Dyn...

Phantomは、ByteDanceのインテリジェントクリエーションチームが開発した、被写体から動画（S2V）を生成するためのフレームワークです。クロスモーダルアライメント技術に基づき、テキストと画像の手がかりを組み合わせることで、参照画像から主要な被写体を抽出します。

Aiderは、ターミナルと大規模言語モデル（LLM）を使用して効率的なコード編集と開発を可能にする、オープンソースのAI支援プログラミングツールです。Aiderは、Python、JavaScript、TypeScriptなど、複数のプログラミング言語をサポートしています。

TongGeometryは、北京総合AI研究所と北京大学AI研究所が共同開発した、ツリー探索に基づく幾何モデルです。オリンピックレベルの幾何問題を提起・解決するために特別に設計されています。TongGeometryは効率的な探索に基づいています...

Magmaは、Microsoft Researchが開発した新しいマルチモーダルAI基盤モデルであり、マルチモーダルAIエージェントに汎用的な機能を提供します。Magmaは、デジタル環境と物理環境の両方を網羅するマルチモーダル入力を用いてタスクを理解し、実行することができます。

FluentReadは、ネイティブスピーカーのような読書体験をユーザーに提供することに特化したオープンソースのブラウザ翻訳プラグインです。高度なAI技術に基づき、FluentReadは従来の機械翻訳やAI翻訳など、複数の翻訳エンジンをサポートしています。

Museは、マイクロソフト初のゲームアイデア生成のための生成型AIモデルであり、「ワールド・アンド・ヒューマン・アクション・モデル」（WHAM）に基づいています。Museは、人間のゲームプレイから学習することで、ゲームのビジュアルやコントローラーの動作を生成できます。

HealthGPTは、浙江大学、中国電子科技大学、アリババなどが共同開発した高度な医療画像言語モデル（Med-LVLM）です。異種知識適応技術を活用し、医療画像の理解と生成タスクを実現します。

PaliGemma 2 Mixは、Google DeepMindが開発した最新のマルチタスク視覚言語モデル（VLM）です。様々な画像処理機能と言語処理機能を統合しており、画像記述、物体検出、画像セグメンテーション、OCR、文書理解などをサポートします。

FlexTokは、スイス連邦工科大学ローザンヌ校（EPFL）とApple社が共同開発した画像処理技術です。2次元画像を1次元の離散トークンシーケンスにリサンプリングすることで、柔軟な長さの記述を可能にします。

Helixは、Figure社が開発した、ヒューマノイドロボットを制御するための汎用的な視覚・言語・動作（VLA）モデルです。Helixは、ロボットの上半身全体（手首、胴体、頭部、指を含む）の高速制御を先駆けて実現しました。

BioEmuは、Microsoft Researchが開発した生成型深層学習システムであり、タンパク質の動的構造と平衡コンフォメーションを効率的にシミュレートします。単一のGPU上で1時間に数千ものタンパク質構造サンプルを生成でき、従来の分子動力学シミュレーションの効率をはるかに凌駕します。

OSUM（Open Speech Understanding Model）は、西北工業大学コンピュータサイエンス学部の音声・言語処理研究グループによって開発されたオープンソースの音声理解モデルです。OSUMは、WhisperエンコーダとQwen2 LLMを組み合わせています。

Crawl4LLMは、清華大学とカーネギーメロン大学が共同開発したオープンソースのインテリジェントWebクローラーシステムで、大規模言語モデル（LLM）の事前学習の効率向上を目的としています。Crawl4LLMは、LLMの事前学習におけるWebページの価値をインテリジェントに評価し、クロールするWebページの優先順位を決定します。

AI Co-Scientistは、Googleが開発したマルチエージェントAIシステムです。仮想研究ロボットとして、研究テーマの選定、文献検索、実験計画など、研究者が様々な煩雑な研究作業を行う際に支援します。AI Co-Scientistは…

北京協和医科大学病院と中国科学院自動化研究所が共同開発した、北京協和医科大学病院の台初AIモデルは、中国初の希少疾患に特化した大規模AIモデルであり、正式に臨床応用を開始しました。このモデルは、中国における希少疾患に関する長年の蓄積された知識と中国国民に関する知見に基づいています。

HiveChatは、中小規模チーム向けに設計されたAIチャットアプリケーションで、OpenAI、Claude、Gemini、Deepseekなど、さまざまな主要なAIモデルをサポートしています。HiveChatは、LaTeXおよびMarkdownのレンダリング、画像処理などの機能を備えています。

Ovis2は、アリババの国際チームが開発した新しいマルチモーダル言語モデルです。構造化埋め込みアライメントに基づいて、視覚モダリティとテキストモダリティの違いに対応します。Ovis2はOvisシリーズのアーキテクチャを継承し最適化することで、小規模モデルのパフォーマンスを向上させています。

AgentSocietyは、清華大学が大規模言語モデリング（LLM）に基づいて開発した社会シミュレーターです。人間のような知能を持つインテリジェントエージェントを構築することで、複雑な社会行動や現象をシミュレートします。社会学理論を組み合わせることで、インテリジェントエージェントに人間のような知能を与えています。

Sitcom-Crafterは、北京航空航天大学、香港中文大学、深圳大学、シドニー工科大学、中山大学などの大学が共同開発した3Dシーン人体動作生成システムです。ユーザーが提供する長尺シーンのガイダンスに基づいて動作します。

Migicianは、北京交通大学、華中科技大学、清華大学の研究チームが共同開発したマルチモーダル大規模言語モデル（MLLM）です。特に自由形式のマルチイメージグラウンディング（MIL）向けに設計されています。

ComfyUI-Copilotは、Alibaba International Digital Commerce Group（AIDC-AI）がComfyUIフレームワークに基づいて開発したAI搭載のインテリジェントアシスタントです。ComfyUI-Copilotは自然言語による対話を提供し、ノードベースのプッシュ通知をユーザーに提供します。

Auto-Deep-Researchは、香港大学のChao Huang教授の研究室が開発した、オープンソースの完全自動化されたパーソナルAIアシスタントであり、OpenAI Deep Researchのオープンソース代替として機能します。AutoAgentフレームワークに基づいて開発され、深層学習に重点を置いています。

OOMOLは、VSCodeをベースに構築された最新の統合開発環境（IDE）であり、ワークフロー自動化に特化して設計されています。ドラッグ＆ドロップ式のグラフィカルインターフェースにより、ユーザーはプログラミングなしで複雑なワークフローを直感的に構築できます。