Loading [MathJax]/extensions/tex2jax.js
次回の更新記事：人間の文章に潜む認知バイアスをLLMで捉える手法（公開予定日：2025年05月01日）

LLM

ユーザーの指示が曖昧なとき、LLM側が確認を行うエージェントアーキテクチャ『Mistral-Interact』

ユーザーの指示が曖昧なとき、LLM側が確認を行うエージェントアーキテクチャ『Mistral-Interact』

LLMの思考の流れに沿ってプロンプトを与えるか否かで30%以上精度が変化する　DeepMindが報告

LLMの思考の流れに沿ってプロンプトを与えるか否かで30%以上精度が変化する　DeepMindが報告

大規模言語モデル（LLM）のこれまでとこれから④　-ベンチマーク別の優秀なモデルと将来展望編-

大規模言語モデル（LLM）のこれまでとこれから④　-ベンチマーク別の優秀なモデルと将来展望編-

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-

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②　-モデル構築編-

大規模言語モデル（LLM）のこれまでとこれから②　-モデル構築編-

大規模言語モデル（LLM）のこれまでとこれから①　-代表的なモデル編-

大規模言語モデル（LLM）のこれまでとこれから①　-代表的なモデル編-

LLMにタスクに応じた推論プロセスを自ら考えるようにするプロンプト手法『SELF-DISCOVER』Google DeepMindなどが開発

LLMにタスクに応じた推論プロセスを自ら考えるようにするプロンプト手法『SELF-DISCOVER』Google DeepMindなどが開発

LLMに敢えて間違わせてルールを覚えさせるプロンプト手法　Google DeepMindなどが考案

LLMに敢えて間違わせてルールを覚えさせるプロンプト手法　Google DeepMindなどが考案

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

GPT-4にRAG（検索拡張生成）を適用するケーススタディ　臨床問題で人間の医師よりも高い精度を達成

GPT-4にRAG（検索拡張生成）を適用するケーススタディ　臨床問題で人間の医師よりも高い精度を達成

ナレッジグラフ（知識グラフ）とLLMを掛け合わせる方法のロードマップ

ナレッジグラフ（知識グラフ）とLLMを掛け合わせる方法のロードマップ

複数LLMに議論させ、「回答に自信がないときは発言を控えさせ」て応答品質を向上する方法

複数LLMに議論させ、「回答に自信がないときは発言を控えさせ」て応答品質を向上する方法

LLMの検索結果をさらに正確にする手法『CRAG』（Corrective Retrieval Augmented Generation：修正型の検索拡張生成）

LLMの検索結果をさらに正確にする手法『CRAG』（Corrective Retrieval Augmented Generation：修正型の検索拡張生成）

LLMを軽くする効果的な剪定手法『SliceGPT』

LLMを軽くする効果的な剪定手法『SliceGPT』

RAGシステムに「無関係な」文書を混ぜたほうがLLMの出力精度が上がる可能性が示唆された

RAGシステムに「無関係な」文書を混ぜたほうがLLMの出力精度が上がる可能性が示唆された

プロフィールを登録すると
仕事のオファーが届きます

プロフィール登録
PAGE TOP