宇樹テクノロジーは新しい特許を取得し、拡散戦略によってロボットの意思決定能力を向上させ、動作理解の誤差問題を解決しました。技術のコアは場面認識、インタラクティブ予測および拡散意思決定であり、今後の状態への正確な認識を強化することを目的としています。
中国国家知識財産局が初の18件の「AI+知的財産」公共サービス応用シナリオを発表。12省をカバーし、知的財産サービスの知能化転換が実質的に始動。各地で特色ある実践が展開され、北京は海外権利保護と未来産業革新に、上海は大規模モデルを基盤とした特許動態分析を推進。....
スタンフォード大学が発表したAI競争力ランキングで、米国は投資・研究・スタートアップ活動で首位。中国は学術出版と特許出願で優位に立つ。....
アップルのデザイン担当副社長、Alan Dye氏がMetaに転職し、AR/VRデザインを担当。QuestシリーズやスマートグラスにAIインタラクションを導入し、Meta CTOに直接報告。Metaは高額な株式報酬とデザインリーダー職で誘致し、Dye氏はアップルで10年間蓄積したUI/UX特許とサプライチェーン経験をもたらす。Metaは以前から業界人材を引き抜いている。....
AI搭載特許原稿作成ソフトウェア
特許申請がこれほど簡単になったことはありません
特許情報をAIで分析する革新的なツール
AI特許生成ツール
Xai
$1.4
入力トークン/百万
$3.5
出力トークン/百万
2k
コンテキスト長
Anthropic
$105
$525
200
Alibaba
$1
$10
256
$4
$16
1k
-
$15.8
$12.7
64
Moonshot
Bytedance
Baidu
32
Tencent
$1.6
128
Openai
$8.75
$70
400
$0.35
$2.8
briaai
FIBOは、長い構造化記述用に最初にトレーニングされたオープンソースのテキストから画像へのモデルで、制御可能性、予測可能性、特徴解離に新しい基準を設定しました。このモデルは80億のパラメータを持ち、許可を得たデータのみを使用してトレーニングされ、専門的なワークフローの要件をサポートします。
kshitij3188
PHOENIXはCLIP/ViTベースのドメイン適応モデルで、特許画像検索能力を向上させることを目的としており、特に正確なマッチングだけでなく、意味的または階層的に関連する画像を検索するのに適しています。
Delicalib
これはspaCyフレームワークに基づくロシア語特許固有表現認識モデルで、特許テキスト内の特定のエンティティタイプを識別することに特化しています。
snunlp
これはsnunlp/KR-Medium-extendedからファインチューニングされたsentence-transformersモデルで、韓国語特許文書の文類似度タスク専用に設計されています。
hhshomee
OpenCLIPライブラリを基にしたゼロショット画像分類モデルで、特許画像分析に適しています
dddump
これはMergekit - MoEテスト用に特別に設計されたテキスト生成モデルで、個人使用のみ許可されています。
kimhyeongjun
Meta-Llama-3-8B-Instructを基に、16,000件の韓国語特許の小規模データセット英語翻訳版で微調整したモデルで、テスト用途のみに使用されます。
chenmingxuan
Qwen1.5 - 7bを微調整した中国語特許要約生成モデルで、長文の特許明細書を処理し、簡潔な要約を生成するのに優れています。
mpi-inno-comp
PaECTERは引用情報Transformerに基づく特許埋め込みモデルで、特許テキストから1024次元の密ベクトル埋め込みを生成でき、特許分析関連タスクに適しています。
aipicasso
EmiはAIアートに特化した画像生成AIで、Stable Diffusion XL 1.0技術を採用し、無許可画像を使用せずにトレーニングされています
lucky-verma
Donutアーキテクチャに基づくTransformerモデルで、運転免許証画像から構造化情報を抽出するために特別に設計
nategro
PatentSBERTaに基づく特許矛盾文識別モデルで、文や段落を768次元の密ベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。
all - MiniLM - L6 - v2に基づく特許矛盾文識別モデルで、文や段落を384次元の密ベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。
all - MiniLM - L6 - v2に基づく特許パラメータ文識別モデルで、文や段落を384次元の稠密ベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。
PatentSBERTaに基づく特許問題と解決策の文識別モデルで、文や段落を768次元の密ベクトル空間にマッピングでき、クラスタリングや意味的検索などのタスクに適しています。
PatentSBERTaに基づく特許矛盾文識別モデルで、文や段落を768次元の稠密ベクトル空間にマッピングでき、クラスタリングや意味検索などのタスクに適しています。
HUPD
このモデルはHUPDデータセットでファインチューニングされたT5小型モデルで、特許文書の要約生成タスクに特化しています。
AAUBS
深層NLPベースのハイブリッドモデル、強化SBERTを使用した特許距離計算と分類
prithivida
BERT-LARGEアーキテクチャに基づく特許テキスト処理モデル。PCAで埋め込み次元を圧縮し、ストレージ効率を最適化
anferico
グーグルが1億件以上の世界の特許を基に訓練したBERTの大型バージョンモデル。特許分析に最適化されています。
RapidAPIの世界特許APIに接続し、特許データを保存するMCPサーバーの実装
PatSnap MCPサーバーは特許情報の収集と分析に使用されます。
このプロジェクトは、SerpApiに基づくGoogle特許検索MCPサーバーを提供し、ユーザーがMCPプロトコルを通じて特許情報をクエリできます。さまざまな検索パラメータとフィルタ条件をサポートしています。
このプロジェクトはFastMCPベースのUSPTO特許データアクセスサーバーで、特許公開検索APIとオープンデータポータルAPIを通じて米国特許商標庁の特許および特許出願データを取得できます。Claude DesktopなどのMCPクライアントに特許検索、全文取得、PDFダウンロード、メタデータ照会機能を提供します。
SureChEMBL化学特許データベースMCPサーバーは、特許検索、化学発見、構造分析、および特許情報研究の包括的なツールセットを提供します。
PatSnap MCPサーバーは、PatSnap APIを通じて特許情報を収集し、トレンド分析、キーワードクラウド、イノベーションホイール、高引用特許などのさまざまな特許データ分析ツールを提供し、技術分野のトレンド研究と競争分析をサポートします。
このプロジェクトは特許データ統合のMCPサーバー設定に関するもので、複数の特許データベースAPIのインストールスクリプトとドキュメントが含まれています。
SureChEMBL MCPサーバーは非公式のモデルコンテキストプロトコルサービスで、特許検索、化学物質の発見、構造分析、特許情報研究など、SureChEMBL化学特許データベースへの包括的なアクセスを提供します。
KIPRIS APIを統合した特許検索ツールで、韓国および海外の特許の多条件検索と詳細照会をサポートします
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
