#データセットのAIニュース

10件の記事

大西洋月刊が AI 学習に使用された音楽の検索可能データベースを作成

大西洋月刊の記者アレックス・ライズナー氏が、AI モデルの学習に利用されている4つの音楽データセットを特定し、計2100万曲以上を含む検索可能なデータベースとして一般公開した。

AI研究者3名が、ナチスや戦争に関する記述を避けるため1930年以前のデータのみで訓練された「Talkie」と呼ばれる言語モデルを発表した。この130億パラメータのモデルは、デジタル化された英語書籍や新聞のみを学習対象としている。

CMUなどの研究者が、AIエージェントが人間の介入を必要とする状況を学習する手法を提案した。この研究は、AIと人間の協調作業における信頼性と効率性の向上を目指している。

研究者らは、多様なスタイルの長文英語テキストにおける性別表現と誤った性別表現を測定するデータセット「ProText」を発表した。このデータセットは、要約や書き換えなどのテキスト変換における性別表現の問題を調査するために設計されている。

研究者らが、多言語数学問題の高品質データセット「mAceReason-Math」を公開した。このデータセットは、検証可能な報酬による強化学習（RLVR）の訓練用に設計されており、英語以外の言語での数学・論理問題解決能力の向上に貢献する。

NVIDIAは、AIモデルの学習と開発を促進するために、大規模で多様なオープンデータセットを体系的に構築・公開している。

国際研究チームが最大規模の動画推論データセットを公開し、Sora 2やVeo 3.1などの最新AIモデルでも推論タスクでは人間に大きく劣ることを示した。

ABEJAの瀧田氏が、テレオペレーションで収集したロボットアームの模倣学習データセットの構造と可視化方法を解説している。

Google Researchが公開した皮膚科画像データベースSCINは、多様な皮膚疾患の代表的な画像を提供し、AI診断支援の精度向上に寄与します。

Google ResearchとMLCommons Associationのエンジニアが、機械学習用データセットのメタデータ形式「クロワッサン」を発表した。データセットの構造・ライセンス・使用例を標準化し、MLワークフローの効率化を目指す。