top of page

Generatived(Beta)|生成AIの最新ニュースとトレンドを提供

logo.png

ハッシン会議新メンター4名加入

Generatived

25/11/11 0:00

ハッシン会議(東京都港区)は、運営するPRコミュニティのメンターに新たに4名を迎えた。地方メディアやIR・IPO、生成AI活用の専門家を加え、広報担当者の多様なニーズに応える体制を強化する。詳細なメンタープロフィールは公式サイトで確認できる。

同社のPRコミュニティは、個別PRコンサルティングを提供し、2025年5月には実施回数が600回を超えた。これまで15名のメンターが専門性を活かし、広報担当者のニーズに応じたサポートを行ってきた。新たに参画するメンターは、地方メディアアプローチやIPO、生成AIを活用したPR・マーケティングなどの分野を担当する。

新メンターには、千葉日報グループの「千葉県広報研究会」から地方広報の専門家が参加。IRやIPOの広報活動、生成AIを用いたマーケティングなど、幅広い分野での支援が期待される。参考として、千葉県広報研究会との提携に関する情報もリリースされている。

ハッシン会議は、企業の広報活動を自社で推進するインハウス化の流れに対応し、広報担当者がいつでも相談できるメンターの存在を重要視している。新メンターの加入により、サポート可能な専門領域が広がり、企業の広報活動を後押しする体制が整った。今後も多様なニーズに応えるPRメンター陣の拡充を進める方針だ。

この記事を共有:

最新のニュース
ジェミニテック、教師向けAIツールを拡充

ジェミニテック、教師向けAIツールを拡充

25/11/12 0:00

北アイルランドで最近実施された取り組みでは、100人の教育者に先進技術を授業に取り入れる機会が与えられました。

Meta、カナダでReelsトレンド広告を発表

Meta、カナダでReelsトレンド広告を発表

25/11/12 0:00

10月23日、Metaはトロントで、自社プラットフォームを通じたブランドエンゲージメントの強化を目的としたイベントを開催しました。

NVIDIA NeMo-Skills が大規模言語モデルを高速化

NVIDIA NeMo-Skills が大規模言語モデルを高速化

25/11/12 0:00

NVIDIA NeMo-Skillsライブラリは、NVIDIA TensorRT-LLMを管理するためのソリューションとして導入され、複雑な数学問題を解く際の大規模言語モデル(LLM)の効率向上を目指しています。

Google Cloud、スケーラブルな強化学習戦略を発表

Google Cloud、スケーラブルな強化学習戦略を発表

25/11/12 0:00

高度な大規模言語モデル(LLM)の需要が高まるにつれ、これらのモデルを人間の嗜好や複雑なタスクに適合させるために、強化学習(RL)の統合が不可欠になっています。

Copyright © 2024 Generatived - All right Reserved.

この記事を共有:

この記事を共有:

Generatived AI Logo

Generatived は、Generative AIに特化した情報やトレンドをお届けするサービスです。大きく変わりゆく世界の情報を全力でお届けします。

  • Facebook
  • X

フォローをお願いします

言語

最新のニュース
ジェミニテック、教師向けAIツールを拡充

ジェミニテック、教師向けAIツールを拡充

25/11/12 0:00

北アイルランドで最近実施された取り組みでは、100人の教育者に先進技術を授業に取り入れる機会が与えられました。

Meta、カナダでReelsトレンド広告を発表

Meta、カナダでReelsトレンド広告を発表

25/11/12 0:00

10月23日、Metaはトロントで、自社プラットフォームを通じたブランドエンゲージメントの強化を目的としたイベントを開催しました。

NVIDIA NeMo-Skills が大規模言語モデルを高速化

NVIDIA NeMo-Skills が大規模言語モデルを高速化

25/11/12 0:00

NVIDIA NeMo-Skillsライブラリは、NVIDIA TensorRT-LLMを管理するためのソリューションとして導入され、複雑な数学問題を解く際の大規模言語モデル(LLM)の効率向上を目指しています。

Google Cloud、スケーラブルな強化学習戦略を発表

Google Cloud、スケーラブルな強化学習戦略を発表

25/11/12 0:00

高度な大規模言語モデル(LLM)の需要が高まるにつれ、これらのモデルを人間の嗜好や複雑なタスクに適合させるために、強化学習(RL)の統合が不可欠になっています。

bottom of page