記事一覧

深堀り解説

医療のような専門分野におけるLLMの性能は「知識グラフと再ランキングの併用」で大幅に向上（東京大学Irene Li氏）

深堀り解説

🔒 GPT-4oに”嘘をつく理由”を与えると正直さが約32.5%減少　LLMは役割に応じて”正直さ”が変化する

深堀り解説

🔒 生成回数を増やすだけでLLMの性能が大幅に向上するシンプルな法則　実用上のポイント

深堀り解説

🔒 リアルなWindowsOS環境でのエージェント能力を評価する『WindowsAgentArena』およびエージェント『Navi（ナビ）』Microsoftが開発

深堀り解説

🔒 ノーコードでLLMマルチエージェントを操る『AUTOGEN STUDIO』Microsoftが新開発

深堀り解説

🔒 Self-Reflection（自己反省）がLLMのパフォーマンスに与える影響を網羅的に調査

深堀り解説

🔒 100人以上の研究者が実験参加　LLMは人間より優れた研究アイデアを思いつくのか？

深堀り解説

🔒 LLMの推論能力を戦略的に向上させる新しいプロンプト手法『SCoT』

深堀り解説

🔒 AIコーディング補助ツール（GitHub Copilot）で開発者の生産性が26%向上 Microsoft・アクセンチュアなど3社の大規模調査結果

深堀り解説

🔒 マルチモーダルLLMの高難易度ベンチマーク『MMMU-Pro』で明らかになったこと

深堀り解説

🔒 ロングコンテキストLLM台頭の今もRAGを使用する理由

深堀り解説

🔒 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

深堀り解説

🔒 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

深堀り解説

🔒 プロンプトに5つほど”価値観の例”を示すだけで、LLMは特定の文化に適応した回答ができるようになるとの報告

深堀り解説

🔒 GPT-4oで保険、銀行、小売りなどで人間への売り込みを実験　最大35%の確率で購買決定に成功

深堀り解説

🔒 「AIが自動的に優れたAIエージェントを設計する」新分野の提唱　数学エージェントが読解でも好成績

深堀り解説

🔒 RAGで検索文書の要約を活用したクエリ書き換えが検索精度を大幅に向上させる　AWS報告

深堀り解説

🔒 人間を討論で言い負かすディベート上手なLLMの実装方法

深堀り解説

🔒 プロンプトの影響によるLLMの性能のばらつきを考慮した評価指標「Sharpeスコア」　NAIST研究者ら考案

深堀り解説

🔒 モデルとデータの大規模化で変化するLLMのハルシネーション