次回の更新記事：コンパクトでも冴える頭脳 会話評価と数理探索と作曲…（公開予定日：2025年11月15日）

プロンプト

スタンフォード大学の研究者ら、GPT-4oとGemini1.5 Proで「マルチモーダルモデルにおける『Many-Shot』の効果」を検証

スタンフォード大学の研究者ら、GPT-4oとGemini1.5 Proで「マルチモーダルモデルにおける『Many-Shot』の効果」を検証

ChatGPTの「初頭効果」について

ChatGPTの「初頭効果」について

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

LLMに対して、「人間には意味が分からない滅茶苦茶な文」でプロンプトを送る手法『LM Babel』

LLMに対して、「人間には意味が分からない滅茶苦茶な文」でプロンプトを送る手法『LM Babel』

LLMでWikipediaのような文書を作成する方法

LLMでWikipediaのような文書を作成する方法

プロンプトでLLMにRPAワークフローを自動生成させる手法「FlowMind」JPモルガン考案

プロンプトでLLMにRPAワークフローを自動生成させる手法「FlowMind」JPモルガン考案

LLMにおける、長いコンテキストから欲しい情報を見つけ出す「needle-in-a-haystack（干し草の中の針）」テスト結果とプロンプト例

LLMにおける、長いコンテキストから欲しい情報を見つけ出す「needle-in-a-haystack（干し草の中の針）」テスト結果とプロンプト例

プロンプトに例を多く載せるほど、どんなタスクでも性能が上がるのか？DeepMindによる『Many-shot Learning』の実験結果

プロンプトに例を多く載せるほど、どんなタスクでも性能が上がるのか？DeepMindによる『Many-shot Learning』の実験結果

LLMが思考のネットワークを構築し、人間の推論プロセスを模倣する『THOUGHTSCULPT』プロンプティング

LLMが思考のネットワークを構築し、人間の推論プロセスを模倣する『THOUGHTSCULPT』プロンプティング

LLMに心の目を与えるプロンプティング手法　マルチモーダルモデルに匹敵する空間推論性能を達成

LLMに心の目を与えるプロンプティング手法　マルチモーダルモデルに匹敵する空間推論性能を達成

Microsoftなどのプロンプト圧縮技術『LLMLingua-“2″』タスクの精度を維持したまま圧縮率2-5倍

Microsoftなどのプロンプト圧縮技術『LLMLingua-“2″』タスクの精度を維持したまま圧縮率2-5倍

LLMが「自然言語で記述されたアルゴリズムを実行する」能力で非常に高い性能を示す

LLMが「自然言語で記述されたアルゴリズムを実行する」能力で非常に高い性能を示す

LLMの記号推論タスク（化学式や絵文字の理解など）で記号を自然言語に変換することの有効性を確認

LLMの記号推論タスク（化学式や絵文字の理解など）で記号を自然言語に変換することの有効性を確認

マルチモーダルLLMで画像分析する際、画像に「ドットマトリックス」を重ねるだけで認識精度が大きく向上

マルチモーダルLLMで画像分析する際、画像に「ドットマトリックス」を重ねるだけで認識精度が大きく向上

表とテキストを両方含むドキュメントからLLMで上手に情報抽出を行う手法

表とテキストを両方含むドキュメントからLLMで上手に情報抽出を行う手法

直近1ヶ月で読まれている記事

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