次回の更新記事：LLM同士による人工言語コミュニケーションで発見され…（公開予定日：2024年12月16日）
LLMを利用した「自動データクリーニング」方法

LLMを利用した「自動データクリーニング」方法

By AIDB Research / 2024/12/13
本記事では、データ活用の現場で大きな壁と...
Read More
研究活動におけるLLMの「使われ方」や「好まれ方」に関する実態調査の結果

研究活動におけるLLMの「使われ方」や「好まれ方」に関する実態調査の結果

By AIDB Research / 2024/12/12
本記事では、816名の研究者を対象とした...
Read More
LLMの開発トレンドに新たに見出された『密度化の法則』および『能力密度』の概念

LLMの開発トレンドに新たに見出された『密度化の法則』および『能力密度』の概念

By AIDB Research / 2024/12/11
本記事では、LLMにおける新しい評価指標...
Read More
LLMにおける事実性の評価＆向上に役立つデータセットの作り方

LLMにおける事実性の評価＆向上に役立つデータセットの作り方

By AIDB Research / 2024/12/10
本記事では、LLMが抱える「ハルシネーシ...
Read More
OpenAI o1モデルファミリー登場　その特徴の全貌

OpenAI o1モデルファミリー登場　その特徴の全貌

By AIDB Research / 2024/12/09
この記事では、OpenAIがついにo1モ...
Read More
実在する人間1052人の態度と行動をAIでモデル化　インタビューベースのエージェントが人間の回答を85%再現

実在する人間1052人の態度と行動をAIでモデル化　インタビューベースのエージェントが人間の回答を85%再現

By AIDB Research / 2024/12/06
本記事では、人間の行動を高精度にシミュレ...
Read More
テキストだけでなく画像・動画生成もこなすAmazon Novaモデルファミリー　高性能で高速

テキストだけでなく画像・動画生成もこなすAmazon Novaモデルファミリー　高性能で高速

By AIDB Research / 2024/12/05
本記事では、Amazonが開発したLLM...
Read More
実際の企業データからなるtext-to-SQLベンチマーク「Spider 2.0」と専門エージェント『Spider-Agent』

実際の企業データからなるtext-to-SQLベンチマーク「Spider 2.0」と専門エージェント『Spider-Agent』

By AIDB Research / 2024/12/04
本記事では、LLMが実際の企業環境でSQ...
Read More
時系列データをグラフにしてLLMに見せると文字だけより最大120%性能向上　トークンも節約

時系列データをグラフにしてLLMに見せると文字だけより最大120%性能向上　トークンも節約

By AIDB Research / 2024/12/03
本記事では、時系列データをLLMで分析す...
Read More
長文コンテキスト処理はRAGを進化させるのか？最新モデル20種類での実験結果

長文コンテキスト処理はRAGを進化させるのか？最新モデル20種類での実験結果

By AIDB Research / 2024/12/02
本記事では、最新のLLMにおける長文コン...
Read More

RAG

長文コンテキスト処理はRAGを進化させるのか？最新モデル20種類での実験結果

長文コンテキスト処理はRAGを進化させるのか？最新モデル20種類での実験結果

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

「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

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

ハーバード大学とGoogleの研究者ら、LLMチャットボットを総合的に評価するデータセットの作り方を報告（作成されたデータセットも公開）

ハーバード大学とGoogleの研究者ら、LLMチャットボットを総合的に評価するデータセットの作り方を報告（作成されたデータセットも公開）

ロングコンテキストLLM台頭の今もRAGを使用する理由

ロングコンテキストLLM台頭の今もRAGを使用する理由

RAGの検索データにおける「ノイズ（事実とは異なる情報など）」には有益なノイズと有害なノイズがある

RAGの検索データにおける「ノイズ（事実とは異なる情報など）」には有益なノイズと有害なノイズがある

RAGの検索精度を実務レベルに高めるには、「情報ごとに ”質問文” を作りデータベースに入れる」のが効果的との報告

RAGの検索精度を実務レベルに高めるには、「情報ごとに ”質問文” を作りデータベースに入れる」のが効果的との報告
PAGE TOP