用語一覧

AI・物理・数学などの論文を、査読前に無料公開するプレプリントサイト。

人間の好みの評価を報酬として[[reinforcement-learning]]を行い、AIの応答を人間の価値観に近づける手法。

画像の外側を、自然につながるようにAIが描き広げる技術。

エージェントが取りうる行動の選択肢全体の範囲。

MicrosoftのクラウドAzure上でOpenAIのモデルを利用できるサービス。

入力の中で「どこに注目すべきか」を動的に重み付けする仕組み。Transformerの心臓部。

構成要素を一つずつ取り除き、各部分の貢献度を調べる検証手法。

AIの目標や振る舞いを、人間の意図・価値観と一致させること。AI安全性の中核課題。

問題を解くための手順・計算のルールを明確に定めたもの。

タンパク質の立体構造を高精度に予測する、DeepMindの画期的AI。

[[claude]]を開発するAI企業。AIの安全性研究を重視する方針で知られる。

EUが定めた、AIをリスクに応じて規制する世界初の包括的な法律。

通常と異なるパターンを見つけ出し、異常を自動で検出すること。

単語の並び順の情報を、Transformerが扱えるようベクトルに埋め込む仕組み。

1バッチを処理してパラメータを1回更新する、学習の最小ステップ。

既存の画像をもとに、別の画像へ変換・加工する生成方式。

深層学習ブームの火付け役となった、大規模な画像データセット。

診断支援・画像解析・創薬など、医療分野に応用されるAI。

指示と理想の応答のペアで学習させ、指示に従う能力を高める手法。

大量データを高速に検索するために事前に整理した索引構造。

画像の一部を指定して、その部分だけをAIに描き直させる技術。

OpenAIが公開した高精度な音声認識モデル。多言語に対応。

機械学習の実験管理・可視化を行う代表的なMLOpsツール。

AI生成物だと識別できるよう、出力に埋め込む目印。

モデルを事前に読み込んで待機させ、即座に応答できる状態。

単語や文の意味を、コンピュータが扱える多次元の数値ベクトルとして表現したもの。

Anthropicが掲げるAIの理想像。「役立ち・無害・誠実」の3つの頭文字をとった指針。

ユーザーの依頼を理解し、調べ物や作業を手伝うAI。

高度なAIが意図せぬ有害な振る舞いをしないよう、安全に設計・制御することを目指す研究分野。

目標を与えると、自ら計画を立て、ツールを使いながら多段階のタスクを自律的に遂行するAI。

AIを安全・公正・責任ある形で運用するための方針・体制・ルール。

テキストや画像がAIによって生成されたものかを判定する技術。

高度なAIに道徳的配慮や権利を認めるべきかをめぐる哲学的議論。

AIの開発・利用が社会に与える影響を倫理的に考え、責任ある形に導くための分野。

あらゆる面で人類の知能を大きく超える、仮想的なAI。

エージェントが過去の情報を保持・参照する仕組み。文脈の継続に使う。

プログラム同士が機能をやり取りするための窓口・取り決め。

2つの案を実際のユーザーに出し分け、どちらが優れるか比較する手法。

新旧バージョンを一部ユーザーに出し分けて比較しながら展開する手法。

理想的な応答例を正解として学習させる、ファインチューニングの基本段階。

パラメータ数を抑えた小型の言語モデル。端末上での動作や低コスト運用に向く。

タグで囲んだXML形式で出力させる手法。Claudeでの構造化に適する。

クラウドに送らず、現場の機器側でAI処理を行う形態。

人間の言葉から意図や意味を読み取る技術。音声アシスタント等の基盤。

1秒あたりの画像枚数。動画の滑らかさを表す指標。

適合率と再現率の調和平均。両者のバランスを1つの数値で表す指標。

訓練データ全体を1回学習し終える単位。学習の繰り返し回数を表す。

57分野の知識を問う、LLMの総合学力を測る代表的ベンチマーク。

機械学習モデルの開発・デプロイ・運用・監視を継続的に回す方法論。

AIモデルを外部ツールやデータソースに接続するための、Anthropic提唱のオープンな標準規格。

処理中の失敗を検知し、適切に対処してシステムを止めない仕組み。

別のLLMに出力の良し悪しを採点させる、自動評価の手法。

APIにアクセスするための接続先URL。リクエストの宛先。

テキストなどを意味ベクトルに変換することに特化したモデル。

複数のAI・ツール・処理の流れを統括し、全体を協調させる制御。

画像や紙の文書に写った文字を、コンピュータが読める文字に変換する技術。

負荷に応じて計算資源を自動で増減させる仕組み。

ChatGPTやGPTシリーズを開発するAI企業。生成AIブームの中心。

重みが公開され、誰でも入手・改変・自社運用できる大規模言語モデル。

学習フレームワーク間でモデルを共通形式で受け渡すための標準。

ニューラルネットワークの各接続が持つ、入力信号の重要度を表すパラメータ。学習で調整される。

特定の人の声をAIで再現し、任意の文章をその声で話させる技術。

テキストを自然な音声に変換する技術。読み上げや音声アシスタントに使う。

人の話し声を文字に変換する技術。文字起こしや音声入力に使う。

スマホなど端末の中だけでAIを動かす形態。通信不要でプライバシーに強い。

リクエストが来るたびに即座に1件ずつ推論する方式。対話向き。

出力のランダム性(多様さ)を調整するパラメータ。高いほど創造的。

AIを中核に据えたコードエディタ。対話的な開発に強い。

AIの入出力に設ける安全のための制約・チェックの仕組み。

連続的な数値を予測する、教師あり学習の代表的タスク。価格や気温の予測などに使われる。

モデル内部の仕組みや判断過程を人間が理解できる度合い。

これまでのやり取りの記録。マルチターン対話で文脈を保つために使う。

訓練データに過剰に適合し、未知のデータに対する予測性能(汎化性能)が低下してしまう現象。

ノイズを少しずつ除去する過程を学習し、高品質な画像などを生成する生成モデル。

勾配降下法で、一度の更新でパラメータをどれだけ動かすかを決めるハイパーパラメータ。

Claudeが回答前に、時間をかけて段階的に推論を行う機能。複雑な問題の精度を高める。

テキストなどの指示から新しい画像をAIが作り出す技術。

ニューロンの出力に非線形性を加え、ネットワークが複雑なパターンを表現できるようにする関数。

生成役と判別役を競わせて、本物そっくりのデータを生成する手法。

文章に込められた感情(肯定・否定など)を判定すること。

大量のデータから規則やパターンをコンピュータ自身に学ばせ、予測や分類を行わせる手法。

GitHubが提供する、コード補完・生成のAIアシスタント。

大量データで広く事前学習され、多様な用途の土台となる大規模モデル。

AIの能力や権限をあえて制限し、リスクを抑える安全策。

モデルの信頼度が、実際の正解率と一致するように調整すること。

量子化でモデルを圧縮しつつLoRAで微調整する、さらに省メモリな手法。

個別最適な学習支援や採点自動化など、教育分野に応用されるAI。

エージェントが環境の中で試行錯誤し、報酬を最大化する行動を学んでいく機械学習の枠組み。

入力データと正解ラベルのペアを使ってモデルを訓練し、未知のデータの予測を行う学習方法。

正解ラベルのないデータから、隠れた構造やグループ(クラスタ)を自動的に見つけ出す学習方法。

定型作業を自動化するRPAに、AIの判断力を組み合わせた業務自動化。

Alibabaが開発した、多言語対応のオープンソースLLMシリーズ。

GoogleのAI研究部門。Geminiやアルファ碁、AlphaFoldを開発。

NVIDIA製GPUで汎用計算を行うための開発基盤。AI計算の事実上の標準。

多数のコンテナの配置・スケール・運用を自動化する基盤。

AWS・GCP・Azureなどクラウド上でAIの学習・推論を行う形態。

AIの回答を、信頼できる根拠情報に結びつけて裏付けること。

似たデータ同士を自動的にグループ(クラスタ)にまとめる、教師なし学習の代表的タスク。

画像と文章を同じ空間で結びつける、マルチモーダルの基礎モデル。

重みが非公開で、主にAPI経由で提供される商用モデル。

Anthropicが開発する大規模言語モデル。安全性と有用性の両立を重視して設計されている。

モデルを学習させるために使うデータ。質と量が、最終的なモデルの性能を大きく左右する。

外部の知識を検索してプロンプトに与え、その情報をもとにAIに回答させる手法。最新情報や社内文書に強い。

学習中のモデルの性能を確認し、ハイパーパラメータの調整に使うデータ。訓練には直接使わない。

実データの代わりにAIが人工的に作り出す学習用データ。

JSONなど決まった形式で出力させ、プログラムで扱いやすくする手法。

損失関数の傾き(勾配)をたどって、誤差が最小になる方向へパラメータを少しずつ更新する最適化手法。

AIの判断が、性別・人種などの属性によって不当な差別を生まないようにするという原則・指標。

プログラムコードに特化して学習した大規模言語モデル。コード生成・補完に使う。

自然言語の指示などからプログラムコードをAIが書き出すこと。

問い合わせ対応を支援・自動化する、コールセンター向けAI。

停止状態から起動・モデル読み込みを経て応答するまでの遅延。

物体検出やセグメンテーションの標準として使われる画像データセット。

2つのベクトルの向きの近さで意味の似ている度合いを測る指標。

出力の誤差を出力層から入力層へ逆向きに伝え、各[[weight]]を効率的に更新する学習アルゴリズム。

得られる性能・成果に対して、かかる費用がどれだけ少ないか。

人の作業に寄り添い、提案・補助するAI。「副操縦士」の比喩。

文章から人名・地名・組織名などの固有名詞を抽出する技術。

「憲法」と呼ばれる原則のリストに基づき、AI自身が応答を評価・改善する、Anthropic独自の訓練手法。

AIが応答時に参照する、これまでの会話や与えられた前提情報。

言語モデルが一度に処理・記憶できる[[token]]の最大量。会話や文書の「視野の広さ」。

モデルが一度に扱えるトークン数の長さ。コンテキストウィンドウの大きさ。

アプリと実行環境をひとまとめにし、どこでも同じように動かす技術。

輪郭や姿勢などの条件を与えて、画像生成の構図を精密に制御する技術。

人間より賢いAIを、人間が安全に制御し続けられるかという課題。

画像や映像をコンピュータに認識・理解させる技術分野。物体検出や顔認識などを含む。

本来見つけるべきもののうち、実際に検出できた割合。取りこぼしの少なさ。

1回の応答で生成できるトークン数の上限設定。出力の長さを制御する。

損失関数を最小化するよう、モデルのパラメータを調整していく過程。

親エージェントから特定の役割を任される、補助的なエージェント。

データにノイズを加え、個人を特定できなくしつつ全体の傾向は保つ技術。

Meta製の、画像内の任意の物体を切り分けられる汎用セグメンテーションモデル。

コードの統合・テスト・デプロイを自動化する開発手法。

画像生成で、プロンプトにどれだけ忠実に従わせるかを調整する強度。

乱数の初期値。固定すると生成結果を再現しやすくなる。

OpenAIが開発した代表的な大規模言語モデルのシリーズ。ChatGPTの基盤technology。

OpenAIのマルチモーダルモデル。テキスト・画像・音声を統合的に扱う。

大量の並列計算が得意な演算装置。AIの学習・推論に不可欠。

応答をJSON形式で返させること。アプリ連携で最もよく使われる。

制約を回避させ、本来拒否すべき応答をAIに出させようとする試み。

制約回避の試みを検知・防止し、AIの安全な振る舞いを守る対策。

Google DeepMindが開発したマルチモーダルなLLMシリーズ。

入力を0〜1の範囲のなめらかな値に変換する活性化関数。確率の表現に使われる。

ベクトルが持つ数値の個数。表現力と計算コストのバランスを決める。

AIに考える過程を明示的に書き出させ、推論の質と透明性を高めること。

AIに結論だけでなく途中の推論過程を順を追って書かせることで、複雑な問題の正答率を高める手法。

データ自身から擬似的な正解を自動生成し、人手のラベルなしで学習する手法。

AIが自分の誤りに気づき、自ら訂正する能力。

AIの役割・口調・制約など、全体的な振る舞いをあらかじめ指定する特別なプロンプト。

大量の汎用データでモデルに基礎的な知識・能力を獲得させる最初の学習段階。

人間が日常使う言葉(自然言語)をコンピュータに理解・生成させるための技術分野。

長い文章の要点をAIが短くまとめること。

新モデルに本番と同じ入力を裏で流し、影響なく挙動を検証する手法。

将来の商品・サービスの需要量を予測すること。在庫・生産計画に使う。

大きな教師モデルの知識を、小さな生徒モデルに移して軽量化する手法。

人の逐次指示なしに、自ら計画・実行して目標を達成するAI。

1回の入力と1回の応答で完結する対話形式。

人間の知的なふるまい(学習・推論・認識・判断)をコンピュータで実現する技術や研究分野の総称。

多層の[[neural-network]]を用いて、データから複雑な特徴を自動的に学習する機械学習の一分野。

モデルが自分の予測にどれだけ自信があるかを表す数値。

学習済みモデルに入力を与えて、予測や生成の結果を得ること。

モデル規模・データ量・計算量を増やすほど性能が予測的に向上する経験則。

ある画像の内容を保ったまま、別の画風(スタイル)を適用する技術。

オープンに公開された代表的な画像生成モデル。ローカル実行や改変が可能。

生成しながら逐次テキストを返す方式。体感の待ち時間を短くできる。

意味理解やAIを活用し、より的確に目的の情報へ導く検索。

単位時間あたりに処理できる量。システムの処理能力を表す。

文章・画像・音声・動画などの新しいコンテンツを生み出すAIの総称。LLMや画像生成モデルを含む。

モデルが複雑になりすぎるのを抑え、過学習を防ぐための工夫の総称。

全体の予測のうち、正解した割合を表す最も基本的な評価指標。

AWSが提供する、機械学習の構築・学習・デプロイの統合サービス。

AIの判断の根拠を人間が理解できる形で示すための技術・取り組み。

言葉の表面ではなく意味を理解して関連情報を探す検索。

同一の文の中で、各単語が他のすべての単語との関連度を計算するアテンションの一種。

同じ問題を複数回解かせ、多数決で最も一貫した答えを採用する手法。

手本を一切示さず、指示だけでタスクを解かせるプロンプト手法。

データの本質的な特徴を圧縮して表す、低次元の抽象的な空間。

複数の数値を、合計が1になる確率分布に変換する関数。多クラス分類の出力に使う。

OpenAIが開発した、テキストから高品質な動画を生成するモデル。

高度なAIが人類の存続そのものを脅かしかねないという長期的リスク。

モデルの予測と正解とのズレを数値化する関数。学習はこの値の最小化を目指す。

膨大なテキストで訓練された巨大な言語モデル。文章生成・要約・対話などを高い精度でこなす。

大きな課題を、扱いやすい小さなサブタスクに分割すること。

画像認識で威力を発揮する深層学習モデル。フィルタで局所的な特徴を段階的に抽出する。

OpenAIが開発した、テキストから画像を生成する代表的モデル。

会話中だけ保つ短期記憶と、セッションを越えて残す長期記憶の区別。

モデルの学習データが収集された最終時点。それ以降の出来事は基本的に知らない。

対話形式でユーザーの質問に自動応答するプログラム。

長い文書を検索しやすい適切な大きさの断片に分割する処理。

低解像度の画像を、AIで高解像度に補完して鮮明にする技術。

AIの学習データや生成物をめぐる著作権の論点。

AIが計算・検索・API呼び出しなど、外部の機能(ツール)を呼び出して回答を補強する仕組み。

複数の思考の道筋を木構造で枝分かれさせ、有望な経路を探索する推論手法。

デジタル技術で業務やビジネスモデルを根本から変革する取り組み。

好まれた応答を直接学習し、報酬モデルなしで人間の好みに合わせる手法。

Googleが開発した、機械学習計算に特化した専用プロセッサ。

あらゆるタスクを「テキスト→テキスト」の形に統一して扱うモデル。

高い推論性能と効率で注目された、中国発のオープンモデル。

AIで作られた、本物と見分けがつかない偽の映像・音声。

既存データに変形を加えて学習データを水増しし、性能を高める手法。

機械学習に用いるデータの集まり。通常は訓練・検証・テストに分けて使う。

陽性と判定したもののうち、実際に正しかった割合。誤検出の少なさ。

AIが文章を自動で作り出すこと。LLMの最も基本的な機能。

文章の指示から画像を生成する方式。画像生成の基本形。

自然言語の質問を、データベース照会用のSQLに変換する技術。

学習にも調整にも使わず、最終的な性能を公平に評価するためのデータ。

ノイズを段階的に取り除く処理。拡散モデルが画像を生成する中核工程。

プロンプト内で指示と素材を区切る記号。誤解や注入を防ぐ。

あるタスクで学習済みのモデルを、別の関連タスクに転用して効率的に学習する手法。

NVIDIA製の推論高速化エンジン。GPU上で推論を最適化する。

テキストや画像から動画をAIが生成する技術。

AIの仕組み・データ・判断過程を、関係者に開示し理解可能にすること。

文章をトークンに分割する処理プログラム。LLMの入口を担う。

言語モデルがテキストを処理する際の最小単位。単語や単語の一部、記号などに相当する。

文章を[[token]]という処理の最小単位に分割すること。言語モデルが文を扱う最初のステップ。

処理で使われたトークンの総量。API料金の算定基準になる。

文書の内容に基づいて質問に答えるAI。RAGの代表的応用。

モデルへの入力となる、データの性質を数値化した個々の項目。

確率の高い上位k個の候補だけに絞り、その中から次の語を選ぶ手法。

確率の高い候補を累積pまで残してその中から選ぶ、出力の絞り込み手法。

[[attention]]機構を中核とする深層学習アーキテクチャ。現代のLLMの基盤となっている。

学習中に一部のニューロンをランダムに無効化し、過学習を防ぐ正則化手法。

AIが参照する知識・文書を集めたデータの蓄積。RAGの情報源。

人間の脳の神経細胞(ニューロン)の仕組みを模倣・着想源とした、機械学習の数理モデル。

AIの判断や動作を人間が監督し、必要時に介入・停止できる体制。

人間が実際に出力を見て品質を判断する、最も信頼性の高い評価。

画像生成で「描いてほしくない要素」を指定する逆向きの指示。

拡散モデルで、各ステップでどれだけノイズを加除するかの計画。

コード・モデル・データの変更履歴を記録し、いつでも復元できる仕組み。

個々のユーザーに合わせて内容や体験を最適化すること。

Google Cloudが提供する、AI開発・運用の統合プラットフォーム。

文脈を双方向に読む、自然言語理解で広く使われた基礎的モデル。

学習データの偏りなどに起因して、AIの判断が特定の傾向や不公平を生んでしまうこと。

AIに含まれる不当な偏りを検出し、減らすための取り組み。

ニューロンの出力に加える調整用の定数。重みとは別に学習されるパラメータ。

学習を始める前に人間が設定する、学習の進め方を制御する値。

細部を自分で書かず、AIへの指示と対話で進める新しい開発スタイル。

モデルやデータセットを共有する、AIの「GitHub」とも呼ばれるプラットフォーム。

1回のパラメータ更新でまとめて処理する訓練データの件数。

大量のデータをまとめて一括で推論する方式。効率とコストに優れる。

モデルが学習を通じて獲得する内部の数値。重みやバイアスの総称。

言語モデルが、事実に基づかないもっともらしい誤情報を、自信を持って生成してしまう現象。

学習に使っていない未知のデータに対して、モデルが正しく働く能力。

少量のラベル付きデータと大量のラベルなしデータを組み合わせて学習する手法。

特定の作業に限らず、人間のように幅広い課題を自律的に学習・解決できる仮想的なAI。

モデルの一部のパラメータだけを更新し、低コストでファインチューニングする手法群。

強化学習の代表的アルゴリズム。RLHFでモデルを安定的に更新するのに使われる。

画像と言語を結びつけて理解する、マルチモーダルモデルの一種。

200以上の多様なタスクでLLMの能力を多角的に測る大規模ベンチマーク。

コード生成能力を測る代表的ベンチマーク。テスト通過率で評価する。

重要な判断に人間の確認・承認を組み込み、AIの暴走や誤りを防ぐ設計。

Microsoftが開発した、小型ながら高性能な小規模言語モデル。

事前学習済みのモデルを、特定タスク向けの追加データで再訓練し、専門特化させる手法。

LLMが、あらかじめ定義された関数を構造化された形で呼び出す仕組み。

データを潜在空間に圧縮・復元しながら、新しいデータを生成するモデル。

LLMの推論を高速・高効率に行うための人気の推論サーバー。

GPUに搭載されたメモリ。扱えるモデルやバッチの大きさを決める。

条件に合わない情報を選り分けて除外する処理の総称。

リクエストを複数のサーバーに振り分け、負荷の集中を防ぐ仕組み。

プロンプト内に入出力の手本を数例示すことで、AIに望む形式や傾向を学ばせる手法。

個人情報がAIの学習・利用で漏れたり悪用されたりしないよう守ること。

目標達成までの手順をAI自身が組み立てること。エージェントの中核能力。

機械翻訳の品質を、参照訳との一致度で自動評価する指標。

AIに与える指示文や質問。プロンプトの良し悪しが、出力の質を大きく左右する。

意味を保ちつつプロンプトを短くし、トークン消費とコストを減らす手法。

悪意ある指示を紛れ込ませ、AIに本来の制約を無視させようとする攻撃。

AIから望む出力を引き出すために、[[prompt]]を工夫・設計する技術や手法の体系。

繰り返し使う長いプロンプトをキャッシュし、コストと応答時間を削減する仕組み。

変数を埋め込める定型プロンプト。同じ形式の依頼を量産・再利用できる。

本来秘密にすべきシステムプロンプトを、AIに喋らせて引き出す攻撃。

文書を内容に応じてカテゴリに自動で振り分けること。

データがどのカテゴリ(クラス)に属するかを予測する、教師あり学習の代表的タスク。

複数の処理を同時に走らせ、全体の処理時間を短縮すること。

論文と実装コード、ベンチマーク結果を結びつけて公開するサイト。

数値を一列に並べたもの。AIはあらゆるデータをベクトルとして扱う。

データをベクトル化し、意味の近さで検索する手法。RAGの基盤。

[[embedding]]で数値化したデータを保存し、意味の近さで高速に検索できるデータベース。RAGの基盤。

AIに与える具体的な人物像。性格・口調・専門性を一貫させる。

プロンプトテンプレート内で、後から値を差し込むための差し替え箇所。

モデルの性能を共通の基準で測り、比較するための標準テスト。

契約書レビューや判例調査など、法務分野に応用されるAI。

ある言語の文章を別の言語に変換すること。NLPの代表的応用。

複数のAIエージェントが役割分担・協調して課題を解決する仕組み。

複数回のやり取りを重ねて進める対話形式。文脈を引き継ぐ。

複数のアテンションを並列に走らせ、多様な観点から単語間の関係を捉える仕組み。

テキスト・画像・音声など複数種類の情報をまとめて扱えるAIモデル。

モデルが単純すぎて、訓練データのパターンすら十分に捉えられていない状態。

Mistral AIが公開した、混合エキスパート(MoE)採用のオープンモデル。

高性能なオープンモデルを開発するフランスのAI企業。

芸術性の高い画像生成で知られるサービス。

Meta(旧Facebook)のAI研究部門。オープンなLlamaシリーズで知られる。

プロンプト自体をAIに作らせたり改善させたりするためのプロンプト。

入力ごとに一部の専門家(サブネットワーク)だけを使い、効率的に大規模化する設計。

データから学習した規則を内部に持ち、入力に対して予測や生成を行う仕組み。

モデルを小さく軽くする技術の総称。量子化・蒸留・枝刈りなど。

学習済みモデルを本番環境で稼働させ、推論を提供すること。

重要度の低い重みや接続を削り、モデルを軽量化する技術。

学習済みモデルをバージョン管理・保管し、来歴を追える台帳。

コンテンツが規約や安全基準に違反していないか判定・管理すること。

稼働中のモデルの性能・コスト・異常を継続的に監視すること。

暴力・差別など有害な入出力を検知して遮断する仕組み。

ユーザーがその場でAIに送る具体的な指示や質問のメッセージ。

過去データから将来の事象や数値を予測する分析手法。

教師あり学習で、各データに与える正解の情報。

Meta AIが公開した代表的なオープンソースLLMシリーズ。

データとLLMをつなぐ、RAG構築に特化したフレームワーク。

LLMアプリ開発を支援する人気フレームワーク。RAGやエージェント構築に使う。

推論と行動(ツール使用)を交互に繰り返し、課題を解決させる手法。

AIが自分の出力や手順を振り返り、改善点を見つけて修正する仕組み。

パラメータの数値精度を下げてモデルを軽量化し、省メモリ・高速化する技術。

ベクトル同士の近さを測り、最も似たデータを探し出す処理。

要約の品質を、参照要約との重なりで自動評価する指標。

リクエストから応答が返るまでの待ち時間。短いほど快適。

ユーザーの好みを推定し、関連する商品や情報を提案する仕組み。

あえてAIを攻撃・悪用して弱点を洗い出し、安全性を高める検証手法。

「0より小さければ0、大きければそのまま」を返す、最も広く使われる活性化関数。

データを集めず、各端末で学習した結果だけを集約してモデルを作る手法。

元のモデルを固定し、小さな追加行列だけを学習する代表的なPEFT手法。

AIに特定の役割を演じさせ、その立場に沿った応答を引き出す手法。

定型業務の一連の流れを、AIやツールの連携で自動的に処理すること。

手本を1例だけ示してタスクを解かせるプロンプト手法。