Quest Mobileの報告によると、2025年後半のAIアプリエコシステムにおいて、ドウバオ、DeepSeek、ヤオビン、アントアフーが週間アクティブユーザー上位4位にランクインし、アリババ・千問は第5位、アントリングウェイは上位10位に入った。トップ10リストでは汎用AIが6枠を占め、特化型AIが4枠を占め、汎用と専門的なシナリオが両方で進展している構図となっている。
QuestMobile報告によると、2025年10月のAIコンテンツユーザー浸透率は前年同期比9.9%増加し、若年層を中心に深い関心を持つユーザーが増加。抖音、微博、快手などのAIプラグイン月間利用者数は各3千万人超で、SNSがAI応用の主要な場となっている。....
メタは来年、メタバース部門の予算を削減する計画で、規模は最大30％に達する可能性がある。これはQuestヘッドセットやHorizon Worldsプロジェクトに影響を与える可能性がある。会社は以前から数十億ドルを投資してきたが、最近の戦略調整によりメタバースへの投資が遅れる可能性がある。
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。....
Questasはユーザーが独自のアドベンチャー体験を作成できるようにします
Questie AIはリアルタイム音声チャット付きの究極のAIゲームコンパニオンで、多様なエンターテインメント体験を提供します。
AI駆動の質問生成ツールを利用して、独自で魅力的な質問を簡単に作成し、あらゆるテーマや目的に合わせたカスタム質問を生成します。
AI駆動の個人知識管理ツールで、生産性を向上させます。
foreverlasting1202
QuestAは、問題強化手法を用いて大規模言語モデルの推論能力を向上させる革新的なフレームワークです。強化学習訓練の過程で部分解決策を組み込むことで、数学推論などの複雑なタスクにおけるモデルの性能を大幅に向上させ、特に小パラメータモデルで最適な結果を達成しています。
thenHung
これはT5-baseをベースとしたシーケンス・ツー・シーケンスモデルで、複雑な問題を複数のサブ問題に分解するために特別に設計されています。
Vardan-verma
BERTアーキテクチャに基づくQAボットモデルで、SQuADデータセットでファインチューニングされ、文脈に基づいて質問に答えることができます。
abdalrahmanshahrour
これはSQuADデータセットで訓練された質問応答システムモデルで、与えられたテキストに基づいて質問に答えることができます。
eibakke
完全なNatural Questions(NQ)データセットで訓練されたオープンドメイン質問応答モデルで、様々な事実質問に回答可能
consciousAI
RoBERTaベースの質問応答モデルで、与えられた質問と文脈から回答テキスト、範囲、信頼度スコアを推論するために特化しています。
ibm-research
Re2Gは知識集約型タスクのためのニューラル検索、再ランキング、生成を統合したエンドツーエンドシステムです。このモデルはそのNQ（Natural Questions）質問エンコーダーコンポーネントです。
questgen
これはDistilBERTベースのセンテンストランスフォーマーモデルで、特徴抽出と文の類似度計算に特化しています。
MPNetアーキテクチャに基づく文埋め込みモデルで、テキストを768次元ベクトル空間にマッピングし、意味検索や文の類似度計算に適しています
google
このモデルはTAPASアーキテクチャに基づく中型の表質問応答モデルで、WikiTable Questionsデータセットでファインチューニングされており、表データの質問応答タスクに適しています。
pedropei
facebook
DPR(密集パッセージ検索)はオープンドメイン質問応答研究のためのツールとモデルです。このモデルはBERTベースの質問エンコーダーで、Natural Questions(NQ)データセットでトレーニングされています。
shahrukhx01
このモデルは質問クエリとステートメントクエリを区別するために使用され、Haystackの分類機能を通じてニューラル検索クエリ分類を実現するために特別に訓練されています。
このモデルはTAPASの小型版で、WikiTable Questionsデータセットに特化して微調整され、表形式の質問応答タスクに使用されます。
このモデルはTAPASアーキテクチャのミニバージョンで、WikiTable Questions (WTQ)データセットに特化してファインチューニングされ、表質問応答タスクに使用されます。
ThomasNLG
T5-smallベースのデータQAモデルで、構造化テーブル入力を与えられた際に質問に答えるために使用され、QuestEval評価基準の構成要素です。
%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)
