検索

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。

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。

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。

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。

長い文章の要点をAIが短くまとめること。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

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。

クラウドに送らず、現場の機器側でAI処理を行う形態。

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。

Microsoftが開発した、小型ながら高性能な小規模言語モデル。

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。

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。

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。

Meta AIが公開した代表的なオープンソースLLMシリーズ。

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。

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。

データとLLMをつなぐ、RAG構築に特化したフレームワーク。

Alibabaが開発した、多言語対応のオープンソースLLMシリーズ。

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。

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。

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。

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」。

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。

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。