検索

別のLLMに出力の良し悪しを採点させる、自動評価の手法。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

AIが文章を自動で作り出すこと。LLMの最も基本的な機能。

Alibabaが開発した、多言語対応のオープンソースLLMシリーズ。

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。

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。

[[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。

Google DeepMindが開発したマルチモーダルなLLMシリーズ。

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。

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。

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。

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。

あらゆる面で人類の知能を大きく超える、仮想的なAI。

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。

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。

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。

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。

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。

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。

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。

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

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。

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。

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」。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。