言語AI研究センターでは、多くの企業や研究機関と共同研究を進め社会実装に貢献しております。本ページでは、その共同研究の中から、すでに公開されている情報について掲載しています。
The Language AI Research Center engages in joint projects with numerous companies and research institutions. This page lists information from these collaborations that has been made public.
Project Showcase/事例紹介
日本語とソフトウェア開発に特化した基盤モデルの構築（GENIAC採択）
Building a Foundation Model Specialized for Japanese and Software Development (Selected by GENIAC).
共同研究機関：フューチャー株式会社.
Collaborating Institutions: Future Corporation.
共同研究者：国立大学法人 奈良先端科学技術大学院大学 自然言語処理学研究室 客員助教 小田悠介,公立大学法人 会津大学 コンピュータ理工学科/情報システム学部門 上級准教授 渡部有隆.
Collaborating Researchers : Yusuke Oda(Nara Institute of Science and Technology, NLP Laboratory), Yutaka Watanabe(Aizu University,Department of Computer Science and Engineering/Division of Information Systems).
共同研究期間：2024年10月から2025年4月 [Press Release]
Research Collaboration Period: Oct. 2024 to Apr.2025
機械翻訳モデルの開発・データ生成を駆使して日中・英日の翻訳に強い独自の大規模言語モデル（以下、LLM）を開発.
Developing proprietary Large Language Models (LLMs) specialized in Japanese-Chinese and English-Japanese translation, utilizing advanced machine translation model development and data generation.
共同研究機関：フューチャー株式会社、奈良先端科学技術大学
Collaborating Institutions: Future Corporation, Nara Institute of Science and Technology.
共同研究者：工藤 慧音(東北大学)・出口 祥之(奈良先端科学技術大学院大学)・森下 睦（フューチャー株式会社 チーフリサーチエンジニア/ 東北大学 学術研究員)・藤井 諒(フューチャー株式会社 シニアNLPエンジニア)・伊藤 拓海(東北大学)・尾崎 慎太郎(奈良先端科学技術大学院大学)・夏見 昂樹(奈良先端科学技術大学院大学)・佐藤 魁（東北大学)・矢野 一樹(東北大学)・高橋 良允(東北大学)・木村 昴(東北大学)・原 知正(東北大学)・坂井 優介(奈良先端科学技術大学院大学).
Collaborating Researchers: Keito Kudo(Tohoku Univ.), Hiroyuki Deguchi(Nara Institute), Makoto Morishita(Future Corp.), Takumi Ito(Tohoku Univ.), Shintaro Ozaki(Nara Institute), Koki Natsumi(Nara Institute), (Tohoku Univ.)Kai Sato, Kazuki Yano, Ryosuke Takahashi, Subaru Kimura, Tomomasa Hara, Yusuke Sakai(Nara Institute) .
備考：NINTH CONFERENCE ON MACHINE TRANSLATION (WMT24)にて発表[Paper]
Note: Presented at NINTH CONFERENCE ON MACHINE TRANSLATION (WMT24).
開始時期：2024年11月14日[Press Release]
Research Collaboration Period: From Nov.2024
日本語によるコード生成能力の正確な評価に向けて .
Towards the accurate evaluation of code generation capabilities in Japanese..
共同研究機関：フューチャー株式会社
Collaborating Institutions: Future Corporation.
共同研究者：種口暁人 (東北大)、藤井諒、森下睦 (フューチャー/東北大)
Collaborating Researchers: Akito Taneguchi(Tohoku Univ.), Makoto Morishita(Future Corp.).
備考：言語処理学会第 31 回年次大会(NLP2025) 発表 [Paper]
Note: The 31st Annual Conference of the Association for Natural Language Processing (NLP2025) .
開始時期：2025年3月4日[Press Release]
Research Collaboration Period: From Mar.2025
大規模言語モデルに基づく言語コミュニケーション技術の高度化.
Advancing Language Communication Technology based on Large Language Models.
共同研究機関：株式会社PKSHA Technology
Collaborating Researchers: PKSHA Technology Inc.
目的：新たな自然言語処理技術の開発と実用化を加速することを目的とし自然言語処理技術の新たな領域を開拓し、AI技術の進展を通じて、社会全体の利便性向上や新たな価値創造に貢献する.
Objective: To accelerate the development and application of novel Natural Language Processing (NLP) technologies, pioneer new frontiers in the field, and contribute to societal convenience and value creation through AI advancement.
開始時期：2024年6月[Press Release]
Research Collaboration Period: From Jun.2024.
生成AIを用いたRAGシステムにおけるハルシネーション抑制.
Mitigating Hallucination in Retrieval-Augmented Generation (RAG) Systems Using Generative AI.
共同研究機関：カサナレ株式会社
Collaborating Researchers: Kasanare Inc.
目的：本研究成果を通じて「ハルシネーションの抑制」によるLLMの品質向上を実現し、各企業の生成AI活用におけるDX推進、及び日本社会全体の発展に寄与することを見据えている.
Objective: To enhance LLM quality by mitigating “hallucination,” thereby contributing to digital transformation (DX) in the corporate use of generative AI and the development of Japanese society.
開始時期：2024年5月1日 [Press Release]
Research Collaboration Period: From May.2024.
LLM（大規模言語モデル）の有する転移能力の調査.
Investigating the Transfer Capabilities of Large Language Models (LLMs).
共同研究機関：AI Lab(株式会社サイバーエージェント）
Collaborating Researchers: AI Lab(CyberAgent,Inc.).
目的：LLMが言語転移能力を発現する条件の調査. 複数言語のテキストデータを効率的にLLM学習に用いるアプローチ.
Objective: To investigate the conditions under which LLMs exhibit language transfer capabilities and explore approaches for efficiently leveraging multilingual text data in LLM training.
備考：LLM（Large Language Models、大規模言語モデル）の研究強化.
LLMが言語転移能力を発現する条件の調査、複数言語のテキストデータを効率的にLLM学習に用いるアプローチ.
Note: Strengthening Research on LLMs (Large Language Models).
Investigating the conditions under which LLMs exhibit cross-lingual transfer capabilities, Developing efficient approaches to utilize multilingual text data for LLM training.
開始時期：2023年10月25日[Press Release]
Research Collaboration Period: Oct.2023.