The 10 most viewed publications of 2025｜2025年に最も閲覧された10の出版物

**2025年に最も閲覧された10本の論文** 基盤モデルの安全フレームワークやクラウド規模での形式検証から、先進的なロボティクスやマルチモーダルAI推論まで、これらは2025年にアマゾンの科学者と共同研究者による論文の中で最も閲覧されたものです。 共有 共有 リンクをコピー ![](https://assets.amazon.science/dims4/default/1b90203/2147483647/strip/true/crop/200x200+0+0/resize/295x295!/quality/90/?url=http%3A%2F%2Famazon-topics-brightspot.s3.amazonaws.com%2Fscience%2F28%2Fea%2F48e67cc69ed187d95417a4b68620%2Fthe-10-most-viewed-publications-of-2025qrcode) Amazon Nova Premier: テクニカルレポートとモデルカード Amazon Nova Premierは、アマゾンで最も能力の高いマルチモーダル基盤モデルであり、モデル蒸留のための教師モデルです。Nova Premierは、100万トークンのコンテキストウィンドウでテキスト、画像、動画を処理し、大規模なコードベース、長文ドキュメント、長い動画を単一のプロンプトで分析することを可能にします。 このモデルはまた、顧客がAmazon Bedrockを使用して、高い精度を維持しながら速度とコスト効率を向上させた、Amazon Nova Pro、Nova Lite、Nova Microのカスタマイズ版を作成することを可能にします。すべてのNovaモデルと同様に、Nova Premierは統合された安全対策と責任あるAI実践を備えて構築されており、顧客の信頼、セキュリティ、信頼性へのコミットメントを維持しています。 Amazon Nova Sonic: テクニカルレポートとモデルカード 音声とテキストは従来、別々のAIシステムによって処理されており、遅延が生じ、音声インタラクションの自然さが制限されていました。Amazon Nova Sonicは、音声とテキスト処理を単一のアーキテクチャに統合することでこれを変革し、最先端の音声知能と業界をリードするコストパフォーマンスを実現します。 Nova Sonicは、大規模事前学習済みテキスト・音声モデルの進歩を基盤とし、これら二つのモダリティを融合させて、音声対応AIアシスタントやエージェント、音声認識、音声生成などのアプリケーションを駆動します。統一されたアーキテクチャにより、モデルは生成する音声をユーザー入力の音響コンテキスト（例：トーン、スタイル）や話される内容に適応させることができます。ストリーミングファーストの能力を念頭に設計されたNova Sonicは、自然な話者交代やユーザーの割り込みをサポートする低遅延アプリケーションを可能にし、カスケードシステム上に構築された従来の音声アプリケーションの硬直的な話者交代から解放します。 アマゾンのフロンティアモデル安全フレームワーク このフレームワークは、より高度で高能力なフロンティアAIモデルの開発に伴って生じる可能性のある潜在的なリスクを、アマゾンが特定、評価、管理するために使用するプロセスを確立します。第一に、誤用された場合に公衆に重大な危害を加える可能性のある一連のモデル能力である、重要能力閾値を規定します。第二に、アマゾンのモデルが重要能力閾値を満たす、または超える能力を示すかどうかを判断するための、様々な自動化および人間参加型の戦略である、重要能力評価について説明します。第三に、モデルが重要能力閾値を満たす、または超える能力を示した場合の、リスク軽減策の開発と実施について詳細に述べます。 形式検証されたクラウド規模の認可 本論文は、Amazon Web Servicesが形式検証を利用してその認可エンジンを再構築し、それが正しく動作するという数学的確実性を提供した方法について説明します。既存のJavaベースのエンジンの正しさを証明するよりも、検証対応プログラミング言語Dafnyで新しいエンジンを書き、その結果を読みやすく慣用的なJavaコードにコンパイルする方が効果的であるとチームは判断しました。チームは現在、正確性と後方互換性の両方の最高の保証を維持しながら、自信を持って機能強化と最適化をデプロイできます。新しいエンジンは2024年に問題なくデプロイされ、顧客は直ちに3倍のパフォーマンス向上を享受しました。 Amazon Nova 2: マルチモーダル推論および生成モデル Novaモデルファミリーの次世代は、顧客がモデルが問題をどの程度深く考えるかを制御し、特定のニーズに基づいて速度と精度のバランスを取ることを可能にする動的推論機能を導入します。 Amazon Nova 2は、推論、マルチモーダル処理、リアルタイム会話AIにおける多様な企業ニーズを満たすように設計された4つの基盤モデルからなるファミリーです。このファミリーには、設定可能な「拡張思考」コントロールを備えたマルチモーダルモデルであるNova 2 LiteおよびNova 2 Pro；テキスト、画像、動画、音声入力を処理しながらテキストと画像の両方を生成する統合マルチモーダルモデルであるNova 2 Omni；自然な会話AIのための音声対音声基盤モデルであるNova 2 Sonicが含まれます。Nova 2モデルは最大100万トークンのコンテキストを処理し、広範なコードベース、長文ドキュメント、動画を単一のプロンプト内で分析することを可能にします。 Vulcan Pick: ファブリックポッドから対象物をピッキングするロボットシステム 本論文は、多様な物体の取り扱い、高密度に詰め込まれた保管、動的な在庫といったロボットピッキングにおける一般的な課題に対処するとともに、連続的な視覚的フィードバックを用いた3Dシーン理解と適応的動作制御の進歩を紹介します。研究者らは、確立された古典的手法と、コンピュータビジョン、動作計画、カスタマイズハードウェアにおける最先端のアプローチを組み合わせたエンドツーエンドのソリューションを紹介します。その結果生まれたシステムは、実際の倉庫環境で6か月以上稼働し、12,000件以上の顧客注文を処理しています。 再考された統計的検出力計算：効果サイズに関する信念の組み込み A/Bテストにおいて、統計的検出力は、推定効果の分散と真の効果の分布の両方に依存します。従来の検出力計算は、固定サイズの効果、または「最小検出可能効果」（MDE）を検出する確率を計算します。このような計算は分散の役割を捉えますが、真の効果の分布に関する不確実性は考慮しません。研究者らは、頻度論者のための「事前情報を考慮した平均検出力」とベイジアンのための「ベイズ決定検出力」という二つのアプローチを提示し、検出力計算を効果分布に関する信念に結びつけます。真の効果が正規分布すると仮定した場合、両アプローチは単純な閉形式の式を導き出し、それはほとんどのA/Bテストツールで容易に利用可能なデータを使用して計算できます。 UXAgent: WebデザインのためのLLMエージェントベースのユーザビリティテストフレームワーク ユーザビリティテストは、ユーザーエクスペリエンス（UX）研究においてWebデザインを評価する基本的な方法です。UXAgentは、UX研究者が実際の被験者を用いた研究を行う前に、そのユーザビリティ研究デザインを評価し、反復改善することを支援します。このシステムは、LLMエージェントモジュールと汎用ブラウザコネクタモジュールを特徴とし、対象ウェブサイトをテストするために数千のシミュレーテッドユーザーを自動生成します。このシステムは、UX研究の結果を、定性的（例：エージェントにその考え方をインタビューする）、定量的（例：アクション数）、動画記録形式で生成することができます。 ニューラルネットワークに不変条件を任せる モデル検査は、ソフトウェアまたはハードウェアシステムのモデルが特定の仕様を満たすことの数学的証明です。機能的正しさの完全な仕様は、システムが望ましくない振る舞いを回避することを保証する「安全性」特性と、システムがその望ましい目的も達成することを保証する「活性」特性の両方を組み合わせなければなりません。安全性を証明するには適切な帰納的不変条件が必要であり、活性を証明するにはランキング関数による進歩の尺度を示す必要があります。ニューラルモデル検査は最近、形式検証へのデータ駆動型アプローチを導入しましたが、活性特性のみに焦点を当ててきました。本論文では、研究者らはニューラルモデル検査を帰納的不変条件、したがって安全性特性にも拡張し、両方のタイプの証明を共同で表現し、制約ソルバーを使用した学習に適したニューラル証明書アーキテクチャを導入します。 Stow: ファブリックポッドへの商品のロボットパッキング 本論文は、高密度に詰め込まれた棚に商品を配置できる操作システムを提示します。小売における商品の非常に広範な多様性

2025年に最も閲覧された10の出版物

背景や根拠まで確認しますか？

関連記事

調べる

選ぶ

サイト