検索

長い文書を検索しやすい適切な大きさの断片に分割する処理。

モデルやデータセットを共有する、AIの「GitHub」とも呼ばれるプラットフォーム。

AIに考える過程を明示的に書き出させ、推論の質と透明性を高めること。

Claudeが回答前に、時間をかけて段階的に推論を行う機能。複雑な問題の精度を高める。

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。

AIの回答を、信頼できる根拠情報に結びつけて裏付けること。

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。

理想的な応答例を正解として学習させる、ファインチューニングの基本段階。

繰り返し使う長いプロンプトをキャッシュし、コストと応答時間を削減する仕組み。

特定の人の声をAIで再現し、任意の文章をその声で話させる技術。

重要度の低い重みや接続を削り、モデルを軽量化する技術。

AIが参照する知識・文書を集めたデータの蓄積。RAGの情報源。

データとLLMをつなぐ、RAG構築に特化したフレームワーク。

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。

あるタスクで学習済みのモデルを、別の関連タスクに転用して効率的に学習する手法。

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。

量子化でモデルを圧縮しつつLoRAで微調整する、さらに省メモリな手法。

大量データで広く事前学習され、多様な用途の土台となる大規模モデル。

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。

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。

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。

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。

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。