検索

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。

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。

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。

データとLLMをつなぐ、RAG構築に特化したフレームワーク。

Meta AIが公開した代表的なオープンソースLLMシリーズ。

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。

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。

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。

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。

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。

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。

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。

長い文章の要点をAIが短くまとめること。

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。

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。

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。

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。

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。

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。

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。

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。

1秒あたりの画像枚数。動画の滑らかさを表す指標。

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。

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。

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。

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

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。

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。

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。

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。

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。

[[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。

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。

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。

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。

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。

教師あり学習で、各データに与える正解の情報。

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。

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。

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。

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。

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。

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。

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。

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。

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。

1回の入力と1回の応答で完結する対話形式。