dettato、21M参数で1.3B型を Erica上回る音频转MIDI
dettatoは約21Mパラメータで音频をMIDIに変換し、muscriptor 1.3bの約1/60のモデルサイズを実現した。プロジェクトは高いテスト成績走着,但也 effiencyや評価方法、訓練データのライセンスについては独立検証が求められる。
tamserve は SAM 3 の検出と EdgeTAM の追跡を分離し、単一 RTX 4090 上で Meta SAM 3 tracker より4倍高速な処理を実現しながら、92%の精度を維持する。本稿では、そのマルチカメラ構成、リソース共有、導入上の限界を解説します。
dettatoは約21Mパラメータで音频をMIDIに変換し、muscriptor 1.3bの約1/60のモデルサイズを実現した。プロジェクトは高いテスト成績走着,但也 effiencyや評価方法、訓練データのライセンスについては独立検証が求められる。
Google DeepMindはProject Genieを通じてGenie 4をtml一般に公開した。テキストや画像から操作可能な環境を生成できる一方、信頼できるAgentの訓練基盤にするには、物理法則への適合、長時間タスクでの一貫性、現実との乖離という課題が残る。
Claudeのpretrainingに大規模タンパク質配列が含まれていたとの報道はあるものの、Anthropicはまだ認めていない。証拠の限界、検証方法、LLMと科学ツールを組み合わせる現実的な手順を確認する。
YC F26のAxonnicは、前腕に装着するEMG袖套で肌肉活動を読み取り、手指の動きと力の強さを推定している。映像では捉えられない発力の情報を補い、灵巧ロボット向け訓練データFlexportとして анализ。
OpenAIがロボットチームを解散し、汎用モデルによるロボット制御を始めたと報告された。組織再編は市場からの撤退を意味せず、この戦略が成立するかを分けるのは、移行コストと安全性の検証結果になる。
Google SWEが48体のAI Agentを動かし、NASAのLidarデータを72時間で解析した実験_MULTI Agent_sky_orchestration_の分業、検証、成本、そして共通する偏見が誤りを増幅する仕組みを検証する。
Pietro Miotti率领のAI Agentチームが、これまで地図化されていないマヤ遺跡の探索に参加した。’indicesの収集から現地調査、証拠の保存までagnaを分解し、Agentの実際の貢献とHuman research者の専門的判断を区別する。
2人のラボが約2FKを使い、ゼロから文生画像モデル「PJIT-21K」を開発し、Apache 2.0で重みを公開した。訓練、推論、ライセンス、デプロイの各コストを分解し、AI Agentやマルチモーダルチームが導入を判断するためのチェックリストを示す。
Martin Fowlerは、LLMをリアルタイム音声アプリケーションに組み込むための設計と工学的課題 discussesしている。重要なのはASR、LLM、TTSの接続だけでなく、遅延、打断、状態管理をend-to-endで制御することだ。
Destined AIは、Southern American EnglishとRegional African Englishmainly对应的な狭帯域TTSモデル「Hurston-1」を公開した。大規模な許諾済み音声データと、その一部だけを用いた学習の関係を、モデル定位や運用コスト、評価方法まで実務的に整理する。
Lynch Labのテストでは、10歳の研究者が開発したCNNが、皮膚病変の画像分類でGPT-4oとClaude 3.5を上回った。ただし、この結果は評価条件に強く依存し、臨床での有用性まで示すものではない。