本文へ移動
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI ニュースを検索

見出し・要約・本文から、情報のつながりを探します。

公開日時順

NYUADによるArGuard共有タスク:アラビア語のヘイトミームおよび安全でないプロンプトを検出するためのマルチモーダル埋め込みモデル

arXiv:2611.18608v1 発表タイプ:新規 要旨:ソーシャルメディアと生成AIの急激な普及により、オンラインプラットフォーム上で共有されるアラビア語のテキストコンテンツ、ミーム、ユーザーによるプロンプトの量が大幅に増加しています。これらのメディアはコミュニケーションや創造性、情報交換を促進する一方で、ヘイトスピーチや有害なコンテンツ、安全でない指示を拡散するために悪用されることもあります。そのため、憎悪的なアラビア語ミームや有害(安全でない)プロンプトを特定するための信頼性の高い自動手法へのニーズが高まっています。本論文では、事前学習および微調整された多言語埋め込みモデルを活用し、テキストおよび視覚的コンテンツから豊かな意味表現を学習します。評価は、ArabicNLP ArGuard 2026チャレンジで提案されたアラビア語ミームおよびプロンプトのデータセットを用いて実施されます。結果は、大規模言語モデル(LLM)ベースの埋め込みモデルが高い性能を発揮できることを示しています。堅牢な検出システムの開発は、コンテンツモデレーションの向上を図り、アラビア語話者のユーザーにとってより安全で信頼できるオンライン環境を育むために不可欠です。

音声言語モデルにおける制御可能な発話スタイルキャプションのベンチマーク

arXiv:2610.33036v1 公表タイプ:新規 要旨:発話スタイルキャプション(SSC)は、声の質感、プロソディー、表現力といったパラリンガリスティックな属性を捉えながら、話し方がどのように伝えられているかを自然な言語で記述することを目的としています。会話型AIエージェント、制御可能な音声生成、大規模な音声アノテーションなど、多くの下流アプリケーションでは、単一で区別されない記述ではなく、話者の特性、感情、発話スタイルなど、特定の側面を対象とした次元別のスタイルキャプションが必要とされています。しかし、既存の研究には、制御可能な発話スタイルキャプションに関する統一的な定式化が欠けています。本研究では、このギャップを埋めるために、SSCを指示に従う音声言語タスクとして定式化し、明示的な指示によって発話スタイルの次元を指定する形で取り組みました。

経緯と関連報道

何を言うかを超えて:ウルフゲームエージェントのための内面的思考による能動的な発話タイミング

arXiv:2610.32107v1 発表タイプ:新規 要旨:会話に参加する際には、何を話すかを決めるだけでなく、そもそも話すべきかどうかを判断することも重要である。特に、参加者間の利害が対立するウルフゲームのような環境では、発話と沈黙の両方が他者によって解釈・評価されるため、この判断は一層重要な意味を持つ。したがって、ウルフゲームをプレイするLLMエージェントにとって、何を話すかだけでなく、いつ話すかを決定することは極めて重要である。本研究では、AIWolfDial共有タスクの「Anytime Utterance Track」向けに開発されたウルフゲーム用AIエージェントを紹介する。本システムは、会話中の発話タイミングを内面的思考の生成と各思考の価値評価に基づいて決定する既存のInner Thoughtsフレームワークを基盤として構築されている。

経緯と関連報道

Reflectionがオープンソースの大規模モデル「Beam」を公開:5,010億パラメータのスパースMoEアーキテクチャで、数百万語規模のコンテキストと多段階の推論制御をサポート

Reflection社は、オープンソースの大規模言語モデル「Beam」(パラメータ数5,010億、実際のアクティベーションは230億/トークン)を発表しました。同モデルは256エキスパートによるスパースMoEアーキテクチャを採用し、100万トークンのコンテキスト長、NVFP4/FP8量化、多段階の推論オプション設定、およびローカルデプロイメントをサポートしています。ただし、すべての技術的主張は第三者による検証を受けておらず、ハードウェア要件も高いため、一般ユーザーには負担が大きいとの見方が広く示されています。

経緯と関連報道