AIウィークリーペーパー | 新しいOCRモデル、マルチモーダル大規模言語モデル、次世代DNAシーケンシング... 1つの記事で複数の分野の最新の開発について学びます。

物体検出は長らく、YOLO、DETR、Grounding DINOといった従来の座標回帰モデルが主流でした。近年の研究では、マルチモーダル大規模言語モデル（MLLM）を用いてこのタスクを処理しようとする試みがなされていますが、再現率の低さ、予測の重複、座標のずれといった課題が依然として残っています。

これに基づき、IDEAコンピュータビジョン・ロボティクスセンターは、最先端の物体認識を実現する3BスケールMLLMであるRex-Omniを提案しました。COCOやLVISなどのベンチマークにおいて、Rex-Omniはゼロショット設定において回帰モデル（DINOやGrounding DINOなど）と同等、あるいはそれ以上の性能を達成しており、より汎用的で言語に重点を置いた視覚認識システムへの道を開きます。

ペーパーリンク:https://go.hyper.ai/wUhjs

最新のAI論文:https://go.hyper.ai/hzChC

学術界における人工知能分野の最新動向をより多くのユーザーに知ってもらうため、HyperAI の公式サイト (hyper.ai) に「最新論文」セクションが開設され、最先端の AI 研究論文が毎日更新されます。おすすめのAI論文5選今週の最先端のAIの成果を簡単に見てみましょう⬇️

今週のおすすめ紙

1. DeepSeek-OCR: コンテキスト光学圧縮

本論文では、2D光学マッピングによる長文圧縮の実現可能性を予備的に調査するため、DeepSeek-OCRを提案します。このモデルは、エンコーダとしてのDeepEncoderとデコーダとしてのDeepSeek3B-MoE-A570Mの2つの部分で構成されています。実稼働環境では、DeepSeek-OCRは1日あたり20万ページを超えるLLM/VLM学習データを生成できます（A100-40Gグラフィックカード1枚使用時）。

論文リンク:https://go.hyper.ai/IkTwG

2. 次のポイント予測であらゆるものを検出する

本論文では、最先端の物体認識性能を実現する30億パラメータMLLM（マルチレベルモデル）であるRex-Omniを提案します。従来の物体検出機能に加え、このモデルが持つ言語理解機能により、物体参照、視覚ポインティング、視覚プロンプト、GUIローカリゼーション、空間参照、OCR認識、キーポイントローカリゼーションなど、多様な汎化機能を実現します。これらの機能はすべて、専用のベンチマークで体系的に評価されています。

論文リンク:https://go.hyper.ai/wUhjs

3. サービスのためのAI：AIグラスによるプロアクティブな支援

人工知能が受動的なツールから能動的で適応力のあるパートナーへと進化する中で、本論文では、日常生活におけるプロアクティブでリアルタイムな支援を可能にすることを目的とした、新たなパラダイム「サービスのためのAI（AI4Service）」を提案します。真に知的で役立つアシスタントとは、ユーザーのニーズを予測し、適切なタイミングでプロアクティブに行動を起こすことができるべきだと研究者たちは考えています。このビジョンを実現するために、研究者たちは統合フレームワーク「Alpha-Service」を提案しました。最初の検討として、AIグラス上に展開されたマルチエージェントシステムを通じてAlpha-Serviceを実装しました。

論文リンク:https://go.hyper.ai/ehj6M

4. 統計的観点から言語間のギャップを再考する

本研究では、異なる視点を提示し、ターゲット言語の応答の分散が言語間ギャップの主な原因であると仮定しています。バイアス・分散分解の観点から言語間ギャップを初めて正式に定義し、シンプルなプロンプト指示によって応答の分散を効果的に低減し、異なるモデル間でターゲット言語の正確度を20%から25%向上できることを実証しています。

論文リンク:https://go.hyper.ai/lhy5T

5. ゲノム解析ツールキット

この記事では、MapReduce関数型プログラミングの原理に基づく構造化プログラミングフレームワークであるGenome Analysis Toolkit（GATK）を紹介します。GATKは、次世代DNAシーケンサー向けの効率的で堅牢な解析ツールの開発を簡素化することを目的としています。GATKは、ほとんどの解析ツールのニーズをカバーする、簡潔でありながら豊富な機能を備えたデータアクセスパターンを提供します。

論文リンク:https://go.hyper.ai/hb5OR

今週の論文推薦は以上です。さらに最先端のAI研究論文をご覧になりたい方は、hyper.ai公式サイトの「最新論文」セクションをご覧ください。

質の高い研究成果や論文の提出を歓迎いたします。ご興味のある方は、NeuroStar WeChat（WeChat ID: Hyperai01）にご登録ください。

また来週お会いしましょう！