次回の更新記事：ソフトウェア開発におけるLLMマルチエージェントの設…（公開予定日：2025年11月19日）

論文

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

LLMに「自信の度合いに応じて説明のニュアンスを変更させる」ことがユーザーの誤解を回避する

LLMに「自信の度合いに応じて説明のニュアンスを変更させる」ことがユーザーの誤解を回避する

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

マルチモーダルLLMの技術や開発トレンド、26種類のモデル例を網羅的にまとめた報告

マルチモーダルLLMの技術や開発トレンド、26種類のモデル例を網羅的にまとめた報告

GPT-4レベルの質問応答タスク性能をオープンソースモデルのLlama 2で実現する「ChatQA」NVIDIAが開発

GPT-4レベルの質問応答タスク性能をオープンソースモデルのLlama 2で実現する「ChatQA」NVIDIAが開発

既存のLLMを融合させて強力なモデルを作る手法「知識融合」

既存のLLMを融合させて強力なモデルを作る手法「知識融合」

LLMに自分自身の内部動作を説明させる手法

LLMに自分自身の内部動作を説明させる手法

GPT-4のコード生成能力を飛躍的に向上させるプロンプトフレームワーク『AlphaCodium』

GPT-4のコード生成能力を飛躍的に向上させるプロンプトフレームワーク『AlphaCodium』

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