NVFP4は、NVIDIAの最新GPUアーキテクチャであるBlackwellにおいて、AIトレーニングと推論のパフォーマンスを大幅に向上させる技術です。以下の3つのポイントが重要です。1. NVFP4は15 petaFLOPSのスループットを実現し、FP8の3倍の性能を発揮。2. 精度も高く、MLPerfの要求を満たす結果を出している。3. エコシステムが広がり、さまざまなライブラリやフレームワークがNVFP4をサポートしている。これにより、より効率的にAIモデルをトレーニング可能です。

専門的なAIモデルを効率的に開発するための合成データパイプラインの構築方法を解説します。主な課題として、高品質なドメインデータの不足、合成データや蒸留に関するライセンスの不明瞭さ、高コスト、遅い反復サイクルが挙げられます。この記事では、NVIDIAのNeMo Data DesignerやOpenRouterを活用し、ライセンスに配慮したデータ生成や評価の手法を学び、実際に合成データセットを作成する手順を紹介します。

Googleは「Natively Adaptive Interfaces（NAI）」を通じて、AIを活用して製品設計に直接アクセシビリティを組み込む新たなフレームワークを提案しています。このアプローチにより、特定のニーズに応じた適応が可能となり、すべての人にとって使いやすい技術の実現を目指しています。NAIは、障害者コミュニティと協力し、実用的なAIツールを開発することで、より包括的な技術を目指しています。

Google Cloudは、米国のスキーおよびスノーボード選手が技術を向上させるためのAIプラットフォームを開発しました。このプラットフォームは、2D動画から選手の動きを解析し、迅速にデータに基づいたフィードバックを提供します。これにより、選手とコーチはリアルタイムで動きを理解し、パフォーマンスを向上させることが可能になります。

Hugging Face Hubでは、コミュニティが評価スコアをオープンに報告できる新しい評価システムを導入します。データセットリポジトリはベンチマークとして登録され、結果が自動的に集約されます。ユーザーはPRを通じて任意のモデルの評価結果を提出でき、コミュニティ全体でスコアを議論できます。この取り組みにより、評価の透明性が高まり、再現可能な評価基準に基づくオープンな結果が提供されます。

Googleは、サッカーのビッグゲームに向けた新しいGemini広告シリーズを発表しました。広告「New Home」では、母子がGeminiを使って新居のアイデアをリアルタイムで具現化します。さらに、Geminiは様々なアプリと連携して、個人の思い出をプロジェクトに活かすことができます。これにより、ユーザーは創造的な作業を簡単に行えるようになります。

Dify 1.12.0で導入されたSummary Indexは、知識ベースのQ&Aにおいて、従来のチャンクベースの取得方法が苦手とする要約リクエストに対応します。各チャンクに要約フィールドを追加することで、関連する内容を一緒に取得できるようにし、ユーザーが求める情報の質を向上させます。要約の追加方法は、手動編集、APIインポート、自動生成の3つがあります。これにより、ユーザーは効果的に要約情報を取得できるようになります。

Kimi K2.5は、NVIDIAが開発した多モーダルビジョン言語モデルです。このモデルは、テキスト、画像、動画を用いたチャットや推論、コーディング、数学タスクに対応しています。384の専門家を持ち、1兆のパラメータを持ちながら、特定のドメイン向けにファインチューニングが可能です。NVIDIAの開発者プログラムを通じて、GPUアクセラレートエンドポイントで無料でプロトタイピングができます。

1月にGoogleが発表したAIの進展をまとめました。Geminiアプリのパーソナルインテリジェンス機能やGmailのAIツールが追加され、学生向けの無料SAT対策も提供されます。主な内容は以下の通りです。 1. GeminiアプリがGoogleアプリと連携。 2. Gmailに新しいAIツールが導入され、無料で利用可能。 3. Chromeの新機能で複雑なタスク処理が簡素化。 4. 学習ツールがKhan Academyやオックスフォード大学と提携し提供。

本記事では、NVIDIAのNemotron RAGを用いて、複雑なPDFから情報を抽出し、高速で正確な文書処理パイプラインを構築する方法を解説します。主なステップは、NeMo Retrieverライブラリによるデータの構造化、Nemotron RAGモデルへのデータの接続、そして信頼できる回答の生成です。また、文書の複雑さや条件付きロジックの課題についても触れ、実装に必要なシステム要件やコード例を提供します。

長文モデル（LLM）のトレーニングには、128Kトークン以上のシーケンス対応が求められますが、計算や通信の課題があります。NVSHMEM通信ライブラリをXLAコンパイラに統合することで、Llama 3 8Bモデルのトレーニングが効率化され、最大36%の速度向上が実現されました。特に、複数ノードでのテンソル並列性を組み合わせることで、長文トレーニングの性能が向上します。

Google AIのポッドキャスト最新エピソードでは、Genie 3というリアルタイムのインタラクティブな世界モデルに焦点を当てています。ホストのLogan Kilpatrickが、Project Genieチームのメンバーと共に、パッシブな動画生成からプレイ可能なシミュレーション環境への進化や、世界の一貫性や記憶を維持する技術的課題について議論します。

NVIDIAのハイブリッド専門家並列（Hybrid-EP）は、Mixture-of-Experts（MoE）モデルの通信効率を向上させる新しいソリューションです。DeepSeek-V3などの大規模MoEモデルは、専門家間の動的ルーティングにより通信が複雑で、通信時間がトレーニング全体の50％以上を占めることもあります。Hybrid-EPは、NVIDIAプラットフォーム上での通信バンド幅を最大化し、GPUリソースの使用を最小限に抑えることで、実世界のトレーニングにおいて効果を発揮します。

Googleは、絶滅の危機にある種の遺伝情報を保存するため、AIを活用している。現在、13種のゲノムを解析し、さらに150種の支援を計画。AIツールにより、遺伝子解析が迅速かつ低コストで行われ、種の保存に貢献。これにより、生物多様性の保護や絶滅防止が期待される。

Google DeepMindは、Kaggle Game Arenaを拡張し、ポーカーと人狼ゲームを追加しました。これにより、AIモデルが社会的ダイナミクスやリスク管理を評価する新たなベンチマークが提供されます。AIの性能を実際の状況に近い環境で試すことができ、モデルの協調性や計算リスクを分析することが可能になります。競技はKaggleでライブストリーミングされ、AIの進化を体験することができます。