検索

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。

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。

長い文書を検索しやすい適切な大きさの断片に分割する処理。

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。

画像の一部を指定して、その部分だけをAIに描き直させる技術。

画像の外側を、自然につながるようにAIが描き広げる技術。

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。

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。

モデルを学習させるために使うデータ。質と量が、最終的なモデルの性能を大きく左右する。

人間の言葉から意図や意味を読み取る技術。音声アシスタント等の基盤。

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。

本来秘密にすべきシステムプロンプトを、AIに喋らせて引き出す攻撃。

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。

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。

大量のデータから規則やパターンをコンピュータ自身に学ばせ、予測や分類を行わせる手法。

入力データと正解ラベルのペアを使ってモデルを訓練し、未知のデータの予測を行う学習方法。

訓練データに過剰に適合し、未知のデータに対する予測性能(汎化性能)が低下してしまう現象。

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。

学習データの偏りなどに起因して、AIの判断が特定の傾向や不公平を生んでしまうこと。

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。

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。

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。

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。

モデルが単純すぎて、訓練データのパターンすら十分に捉えられていない状態。

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。

機械学習に用いるデータの集まり。通常は訓練・検証・テストに分けて使う。

学習にも調整にも使わず、最終的な性能を公平に評価するためのデータ。

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。

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。

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。

OpenAIが開発した代表的な大規模言語モデルのシリーズ。ChatGPTの基盤technology。

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。