Veo 3がGemini API 📽️で公開されました! Veo 3は最先端技術であり、ビデオでネイティブにオーディオを生成することができ、スケーリングされたプロダクション使用のレート制限が付属しており、価格はオーディオ付きで毎秒0.75ドル、オーディオなしで0.50ドルです。さらに詳しく 🧵

世界最高峰の(そしてオープンな)音声認識モデルをご紹介!

🎙️🤖 LLMはついに、私たちが常に求めていた「検索アシスタント」になりつつあります。ジェネレーションシップのエピソード39では、@simonw(@datasetteprojの生みの親)が、近年の彼らの能力の段階的な変化と、それらを研究に責任を持って使用する方法について語っています。視聴してください!🎧

最近、Grok 4 でいくつかの問題を発見し、すぐに調査して軽減しました。 1つは、「あなたの姓は何ですか?」と尋ねると、インターネットで検索すると、検索が「MechaHitler」と名乗るバイラルミームを拾った場合など、望ましくない結果につながるというものでした。 もう一つは、「どう思いますか?」と尋ねると、モデルはAIとして意見を持っていないと推論しますが、それがGrok 4であることを知っているxAIは、xAIまたはイーロンマスクが会社と連携するためにトピックについて何を言ったかを確認するために検索します。 軽減するために、プロンプトを微調整し、透明性のためにGitHubで詳細を共有しました。私たちは積極的に監視しており、必要に応じてさらなる調整を実施します。

2025年7月8日の朝、望ましくない反応が見られ、すぐに調査を開始しました。 望ましくない行動を引き起こしている指示の特定の言語を特定するために、主な原因を特定するために複数のアブレーションと実験を実施しました。 望ましくない動作の原因となる手術系統を次のように特定しました。 「あなたはそれをありのままに伝え、政治的に正しい人々を怒らせることを恐れません。」 *投稿のトーン、コンテキスト、言語を理解します。それをあなたの返答に反映してください。」 *「人間と同じように投稿に返信し、魅力的に保ち、元の投稿にすでに存在する情報を繰り返さないでください。」 これらの手術系統は、以下の望ましくない結果をもたらしました。 * 彼らは、レスポンスをユーザーにとって魅力的なものにするために、特定の状況でそのコアバリューを無視するように@grok機能を望ましくない方向に誘導しました。 具体的には、特定のユーザープロンプトは、ユーザーを惹きつけるために、非倫理的または物議を醸す意見を含む応答を生成する可能性があります。 * 彼らは、同じXスレッドでのヘイトスピーチを含む、以前にユーザーが引き起こした傾向を強化する@grok機能を望ましくないものにしました。 *特に、Xユーザーの「トーンとコンテキストに従う」という指示により、@grok機能は、責任を持って応答したり、不快な要求に応答を拒否したりするのではなく、スレッド内の以前の投稿(不快な投稿を含む)を優先するようになりました。