検索

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。

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。

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。

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。

NVIDIA製の推論高速化エンジン。GPU上で推論を最適化する。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。