Claude 3.5 Computer Useのケーススタディ集　示唆される「GUIエージェントの夜明け」

Claude 3.5 Computer Useのケーススタディ集　示唆される「GUIエージェントの夜明け」

By AIDB Research / 2024/11/21
本記事では、PCの画面を見て操作できる「...
Read More
LLMが長々と説明するときは自信がない傾向にある　14個のモデルで検証

LLMが長々と説明するときは自信がない傾向にある　14個のモデルで検証

By AIDB Research / 2024/11/20
本記事では、LLMが「答えに自信がない時...
Read More
LLMプロジェクト開発に必要な新しい概念「AgentOps」とは

LLMプロジェクト開発に必要な新しい概念「AgentOps」とは

By AIDB Research / 2024/11/19
本記事では、LLMエージェントを安全に開...
Read More
オープンソースのコード生成LLMが商用LLMに追いつく　Qwen2.5-Coderの能力値全容

オープンソースのコード生成LLMが商用LLMに追いつく　Qwen2.5-Coderの能力値全容

By AIDB Research / 2024/11/18
本記事では、コード生成に特化したLLM「...
Read More
画像も文字も表も全部まとめて理解するRAGシステムの提案　Bloombergなど

画像も文字も表も全部まとめて理解するRAGシステムの提案　Bloombergなど

By AIDB Research / 2024/11/15
本記事では、複数の文書やページから図や表...
Read More
Llama 3.1シリーズ、8ビット量子化で半分以下のサイズでも性能をほぼ完全維持、実験で確認

Llama 3.1シリーズ、8ビット量子化で半分以下のサイズでも性能をほぼ完全維持、実験で確認

By AIDB Research / 2024/11/14
本記事では、LLMの推論コストを削減する...
Read More
LLMにおける長文処理能力の進化を調査 Claude 3.5は情報の流れを追跡するスキルに長ける

LLMにおける長文処理能力の進化を調査 Claude 3.5は情報の流れを追跡するスキルに長ける

By AIDB Research / 2024/11/13
本記事では、LLMの長文処理能力について...
Read More
上司役のLLMが部下LLMたちに的確に仕事を振り分ける『Magentic-One』マイクロソフトが開発

上司役のLLMが部下LLMたちに的確に仕事を振り分ける『Magentic-One』マイクロソフトが開発

By AIDB Research / 2024/11/12
本記事では、マイクロソフトが開発したマル...
Read More
「HTMLをそのままLLMに入力してはどうか」という新しいアプローチ

「HTMLをそのままLLMに入力してはどうか」という新しいアプローチ

By AIDB Research / 2024/11/11
本記事では、LLMの精度向上のために用い...
Read More
LLMの機能別「領域」はまるで脳のようであるとの仮説

LLMの機能別「領域」はまるで脳のようであるとの仮説

By AIDB Research / 2024/11/08
本記事では、LLMの内部で発見された驚く...
Read More

ファインチューニング

ロングコンテキストLLMでも、情報の数は「多ければ多いほど良い」わけではない

ロングコンテキストLLMでも、情報の数は「多ければ多いほど良い」わけではない

LLMに専門的なドメイン知識を学ばせるのに有効な「読解タスクテキストに変換する」テクニック

LLMに専門的なドメイン知識を学ばせるのに有効な「読解タスクテキストに変換する」テクニック

ファインチューニングがLLMの幻覚（ハルシネーション）に与える影響　Googleなどによる検証結果

ファインチューニングがLLMの幻覚（ハルシネーション）に与える影響　Googleなどによる検証結果

LLMのプロンプトに数百から数千の例を含める超長尺のコンテキスト内学習（In-context learning）とファインチューニングの性能比較

LLMのプロンプトに数百から数千の例を含める超長尺のコンテキスト内学習（In-context learning）とファインチューニングの性能比較

スクショからHTMLとCSSのコードをLLMが生成する『Design2Code』タスク、プロンプト手法やファインチューニングで高い性能を確認

スクショからHTMLとCSSのコードをLLMが生成する『Design2Code』タスク、プロンプト手法やファインチューニングで高い性能を確認

大規模言語モデル（LLM）のこれまでとこれから③　-使用法・拡張法、データセット編-

大規模言語モデル（LLM）のこれまでとこれから③　-使用法・拡張法、データセット編-

ファインチューニングデータが十分に大きい場合、タスク性能向上に追加の事前学習は不要の可能性　Googleなどによるスケーリング則の実験から

ファインチューニングデータが十分に大きい場合、タスク性能向上に追加の事前学習は不要の可能性　Googleなどによるスケーリング則の実験から

ファインチューニングとRAGを比較実験した結果　LLMに外部知識を取り入れる手法としての違い

ファインチューニングとRAGを比較実験した結果　LLMに外部知識を取り入れる手法としての違い
PAGE TOP