NVIDIA Cosmos 3、交通動画QAで54.41%から93.35%へagent後処理で改善を実証
Original: NVIDIA Cosmos 3 post-training lifts traffic VQA to 93.35% View original →
精度改善の中身
交通動画を読むAIモデルで、後処理の効果がはっきりした数字として示された。NVIDIA AIはXで、Cosmos 3 NanoをLoRAで後処理した結果、WTS検証精度が54.41%から87.14%へ上がり、TAO AutoMLでは "93.35%" に達したと投稿した。この投稿は2026年7月14日のもので、実験前後の道路シーン比較画像も添えられている。
リンク先のNVIDIA Technical Blogでは、実験条件が詳しく説明されている。Cosmos 3 NanoはToyotaのWoven Traffic Safetyデータセットを使った動画質問応答タスクに適応された。このデータセットは8,000件超の学習・検証サンプルを持ち、道路形状、信号、車両、歩行者、場面文脈を読み取り、4択の視覚推論問題に答える。NVIDIAによれば、coding agentがTAO agent skillsを使い、基準評価、欠落していたFPS設定の修正、LoRA設定生成、TAOコンテナ実行、AutoML探索まで進めた。
重要なのは、手順紹介ではなく改善幅だ。ベースモデルのexact-match精度は54.41%、単一のLoRA実行で87.14%、Bayesian optimizationを使ったAutoMLで93.35%に達した。基準から38.94ポイントの上昇である。NVIDIAは、LoRA実行が8基のA100 GPUで約30分、AutoML探索が43件の並列trialで19.5時間だったとしている。次に見るべきなのは、倉庫監視、自動運転認識、ロボット作業セルなど、分布のずれが大きい現場データでも同じような改善が再現されるかだ。元の投稿は こちら。
Related Articles
NVIDIA ResearchのMOTIVEは、video modelのfine-tuningで動きを改善するclipを特定する手法だ。ICML 2026で評価され、base modelに対して74.1%のhuman preferenceを示した。
NVIDIAはagentic AI向けCPU Veraの詳細を示した。OlympusコアはGraceよりIPCが50%高く、agentic実行負荷でx86比1.8倍の持続per-core性能をうたう。
MicrosoftはMarch 16, 2026のNVIDIA GTCで、Foundry Agent Serviceとobservabilityのgeneral availability、NVIDIA Nemotron model追加、Vera Rubin NVL72を見据えたAzure AI infrastructure拡張、そしてAzure Physical AI Toolchain公開を発表した。agent運用、inference基盤、physical-world AIをひとつのenterprise stackとして示した点が大きい。