検索

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。

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。

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。

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。

人の作業に寄り添い、提案・補助するAI。「副操縦士」の比喩。

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。

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。

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。

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。

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。

GitHubが提供する、コード補完・生成のAIアシスタント。

「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。

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。

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。

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。

AIが自分の誤りに気づき、自ら訂正する能力。

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。

対話形式でユーザーの質問に自動応答するプログラム。

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。

AIの学習データや生成物をめぐる著作権の論点。

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。

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。

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。

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。

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。

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。

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。

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。

文書を内容に応じてカテゴリに自動で振り分けること。

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。

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。

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。

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。

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」。

[[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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

エージェントが取りうる行動の選択肢全体の範囲。

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。

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。

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。

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。