検索

1バッチを処理してパラメータを1回更新する、学習の最小ステップ。

「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。

複数のAI・ツール・処理の流れを統括し、全体を協調させる制御。

モデルの信頼度が、実際の正解率と一致するように調整すること。

コンテンツが規約や安全基準に違反していないか判定・管理すること。

AIが文章を自動で作り出すこと。LLMの最も基本的な機能。

テキストなどの指示から新しい画像をAIが作り出す技術。

テキストや画像から動画をAIが生成する技術。

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。

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。

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。

入力の中で「どこに注目すべきか」を動的に重み付けする仕組み。Transformerの心臓部。

同一の文の中で、各単語が他のすべての単語との関連度を計算するアテンションの一種。

モデルが複雑になりすぎるのを抑え、過学習を防ぐための工夫の総称。

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。

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、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。

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。

学習に使っていない未知のデータに対して、モデルが正しく働く能力。

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。

個々のユーザーに合わせて内容や体験を最適化すること。

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。

定型業務の一連の流れを、AIやツールの連携で自動的に処理すること。

実データの代わりにAIが人工的に作り出す学習用データ。

複数のアテンションを並列に走らせ、多様な観点から単語間の関係を捉える仕組み。

文書を内容に応じてカテゴリに自動で振り分けること。

既存データに変形を加えて学習データを水増しし、性能を高める手法。

長い文章の要点をAIが短くまとめること。

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。

学習中のモデルの性能を確認し、ハイパーパラメータの調整に使うデータ。訓練には直接使わない。

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。

個人情報がAIの学習・利用で漏れたり悪用されたりしないよう守ること。

テキストや画像がAIによって生成されたものかを判定する技術。

通常と異なるパターンを見つけ出し、異常を自動で検出すること。

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。

好まれた応答を直接学習し、報酬モデルなしで人間の好みに合わせる手法。

強化学習の代表的アルゴリズム。RLHFでモデルを安定的に更新するのに使われる。

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。

データを潜在空間に圧縮・復元しながら、新しいデータを生成するモデル。

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。

訓練データ全体を1回学習し終える単位。学習の繰り返し回数を表す。

[[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。

芸術性の高い画像生成で知られるサービス。

OpenAIが開発した、テキストから高品質な動画を生成するモデル。

文章の指示から画像を生成する方式。画像生成の基本形。

1秒あたりの画像枚数。動画の滑らかさを表す指標。

複数のAIエージェントが役割分担・協調して課題を解決する仕組み。

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。

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。

暴力・差別など有害な入出力を検知して遮断する仕組み。