ByteDanceが2026年にリリースしたLanceは、ネイティブな統合型マルチモーダルモデルです。3Bアクティビティパラメータ設計を採用し、単一のフレームワーク内で画像と動画の理解、生成、編集を同時に実行できます。このモデルは、統合されたマルチモーダル表現とマルチタスク協調トレーニングを通じて、テキスト、画像、動画タスク間で機能共有を実現します。コア部分は、2ストリームハイブリッドエキスパート（MoE）アーキテクチャとモダリティ認識回転位置エンコーディング（MaPE）を利用し、共有されたインターリーブされたマルチモーダルシーケンス上で統合されたコンテキスト学習を実現すると同時に、理解と生成の機能パスを巧みに分離します。段階的なマルチタスクトレーニング戦略と組み合わせることで、Lanceは優れたマルチモーダル意味理解能力を維持しながら、画像と動画の生成品質において既存のオープンソース統合型モデルを大幅に凌駕します。

HyperAIのウェブサイトに「Lance：マルチモーダルな理解、生成、編集モデルを統合するツール」が掲載されましたので、ぜひお試しください！

オンラインでの使用:https://go.hyper.ai/Okkmw

より詳しい情報については、弊社の公式ウェブサイトをご覧ください。

https://hyper.ai

hyper.aiの公式サイトにおける5月23日から5月29日までの更新内容の概要：

* 高品質の公開データセット: 3

* 高品質なチュートリアルのセレクション: 3

* コミュニティ記事の解釈：3件

* 人気のある百科事典のエントリ: 5

公式ウェブサイトにアクセスしてください:ハイパーアイ

公開データセットの選択

1. ViMUビデオメタファー理解データセット

ViMUは、シンガポール国立大学が2026年に公開した、動画メタファー理解のためのベンチマークデータセットです。マルチモーダルな大規模モデルが、動画メタファーの深い意味を理解する能力を評価することを目的としています。

オンラインでの使用:https://go.hyper.ai/0DIpe

2. イネの葉の病害データセット

イネ葉病害検出データセットは、精密農業における対象物検出タスク向けに特別に設計されたイネ葉画像データセットです。YOLOモデルのトレーニング、農業病害検出、エッジビジョンの展開、インテリジェントなイネ栽培管理など、幅広い用途で活用されています。このデータセットには、健康なイネ葉と、細菌性葉枯病、褐斑病、イネ葉巻病、いもち病、葉焼け、黒穂病、狭褐斑病、いもち病の8つの一般的な病害を含む、9つのカテゴリを網羅した8,665枚のイネ葉画像が含まれています。

オンラインでの使用:https://go.hyper.ai/IXOlY

3. MRI脳神経変性疾患データセット

MRI Brain Neurodegenerative Diseasesは、脳の神経変性疾患の研究および医用画像解析のために設計されたMRIデータセットです。疾患分類、医用画像認識、深層学習モデルのトレーニングなど、幅広い研究分野で活用されています。このデータセットには、解像度512×512の脳MRI画像が2,846枚含まれており、2つの画像重みと4つの主要カテゴリに分類されています。

オンラインでの使用:https://go.hyper.ai/VpFoh

選択された公開チュートリアル

1. Lance：マルチモーダルな理解、生成、編集のための統一モデル。

ByteDanceが2026年にリリースしたLanceは、画像理解、動画理解、テキストから画像への生成、テキストから動画への生成、画像編集、動画編集といったタスク向けに設計された、30億規模のネイティブ統合マルチモーダルモデルです。Lanceの重要な特徴は、理解、生成、編集を同一のモデルフレームワーク内で処理することで、テキスト、画像、動画の各タスクが統一されたマルチモーダル表現を共有できる点です。テキストから画像や動画を生成したり、入力画像、入力動画、テキスト指示を組み合わせて視覚編集を行ったり、画像や動画に対して質問応答、説明、推論を実行したりできます。

オンラインで実行:https://go.hyper.ai/Okkmw

2. HY-World-2.0 世界モデル

HY-World-2.0は、Tencentが2026年に発表したマルチモーダルなワールドモデルフレームワークです。ピクセルビデオのみを生成するワールドモデル（Genie 3やCosmosなど）とは異なり、HY-World-2.0は編集可能で永続的なリアルな3Dアセット（メッシュ/3DGS）を直接生成し、Blender、Unity、Unreal Engineなどのゲームエンジンに直接インポートできます。

オンラインで実行:https://go.hyper.ai/ZQpHM

3. AutoFigure：学術論文用の図版を自動生成するLLMベースのシステム。

AutoFigureは、ウェストレイク大学のResearchAIチームが開発し、ICLR 2026で発表された、高度な学術イラスト生成システムです。このシステムは、反復最適化メカニズムを通じて大規模な言語モデル（LM）を利用し、テキスト記述や研究論文から出版基準を満たす高品質な科学イラストを自動的に生成します。SVGベクターグラフィックスとmxGraph XML（draw.ioと完全互換）の両方の出力形式をサポートしています。

オンラインで実行:https://go.hyper.ai/ZrWS4

コミュニティ記事の解釈

1. CVEvolveは、アルゴンヌ国立研究所が提案した、コード不要で自己発見型の科学画像処理アルゴリズムであり、コーディング、結果の自己検証、戦略最適化など、フルスタックの機能を備えている。

米国アルゴンヌ国立研究所（ANL）の研究チームは、過去のAIベースの自動化作業を体系的に分析した結果、CVEvolveと呼ばれるコード不要の自律エージェントフレームワークを開発しました。このフレームワークは、科学データ処理に必要なアルゴリズムを発見するように設計されています。事前定義された問題アーキテクチャや固定されたプロセステンプレートを必要としないため、高い汎用性を備えています。コード、データ、評価指標、検索記録、可視化結果など、さまざまな要素を閉ループで連携させることができ、コンピュータビジョン、画像処理、その他の分野における実行可能なアルゴリズムの開発を支援します。

レポート全体を表示します。https://go.hyper.ai/UBS5q

2. わずか30分で、生物学的マルチエージェントであるRobinは550件の研究論文を統合し、自律的な研究ループを確立して、びまん性加齢黄斑変性症（dAMD）の候補治療法を特定した。

サンフランシスコのFutureHouse、オックスフォード大学、フォーダム大学の共同チームが、Robinという生物学的マルチエージェントシステムを提案した。これは、科学的仮説の生成と実験データの分析機能を同時に統合し、継続的なクローズドループワークフローを実現する、初の生物医学インテリジェントシステムである。

レポート全体を表示します。https://go.hyper.ai/KnYpQ

3. 科学者たちは、ベイズ最適化フレームワークを用いてガリウム含有材料をリバースエンジニアリングすることで、独自に新しい材料を生成した。最適化の結果は、独自性と新規性を示している。

フリンダース大学が主導し、アラブ首長国連邦のハリファ大学と共同で研究を行ったチームは、化学的合理性を維持しながら、あらかじめ定められた電子特性を持つガリウム系組成物の逆設計を可能にする、機械学習誘導型ベイズ最適化（BO）フレームワークを提案した。最適化後の分析結果によると、生成された材料は、トレーニングデータと比較して独自性と新規性を持ち、1.5～2.5 eVのバンドギャップ範囲内でSMACTの有効性が大幅に向上していることが示された。

レポート全体を表示します。https://go.hyper.ai/kXS7f

人気のある百科事典の項目を厳選

1. ハイパーネットワークス

2. 混同行列

3. 迅速エンジニアリング

4. 展開しながら学ぶ

5. 相互ランク融合

ここには何百もの AI 関連の用語がまとめられており、ここで「人工知能」を理解することができます。

https://go.hyper.ai/wiki

上記は、今週編集者が選択したすべてのコンテンツです。hyper.ai 公式 Web サイトに掲載したいリソースがある場合は、お気軽にメッセージを残すか、投稿してお知らせください。

また来週お会いしましょう！

HyperAIについて Hyper.ai

HyperAI（hyper.ai）は、中国をリードする人工知能とハイパフォーマンス・コンピューティングのコミュニティである。国内データサイエンス分野のインフラとなり、国内開発者に豊富で質の高い公共リソースを提供することに注力しています。

* 2100以上の公開データセット向けに、国内高速ダウンロードノードを提供

* 700以上の定番かつ人気のオンラインチュートリアルを収録

* 300件以上のAI4Science論文事例を分析

* 700以上の関連用語の検索に対応

*Apache TVM の最初の完全な中国語ドキュメントを中国でホストします

学習の旅を始めるには、公式 Web サイトにアクセスしてください。

https://hyper.ai