AI知識

はじめに 近年、人工知能の分野でマルチ・インテリジェント・システム（MAS）が注目を集めている。これらのシステムは、複数の大規模言語モデル（Large Language Model: LLM）知能の協働により、複雑で多段階のタスクを解決しようとするものである。しかし、MASへの大きな期待にもかかわらず、実世界での応用におけるその性能は満足のいくものではない。単一知能体のフレームワークと比較して、MA ...

クロードのような大規模言語モデル（LLM）は、人間が直接プログラミングコードを書くことによって作られるのではなく、膨大な量のデータに基づいて学習される。その過程で、モデルは問題を解くための独自の戦略を学習する。これらの戦略は、各単語を生成するためにモデルが実行する何十億もの計算の中に隠されており、開発者にとっては、これらの内部構造は...

最近、Anthropicは、複雑な問題解決のためのクロードモデルの能力を強化するために設計された「think」と呼ばれる新しいツールを導入した。本稿では、「think」ツールの設計思想、性能、実用的な応用について詳しく見ていく...

概要 情報検索システムは、大規模な文書コレクションへの効率的なアクセスに不可欠である。最近のアプローチでは、大規模言語モデル（Large Language Models：LLM）を用いてクエリ拡張による検索性能の向上を図っているが、一般的には、多大な計算リソースと人手によるラベル付けデータを必要とする高価な教師あり学習や蒸留技術に依存している。本稿では、DeepRetrie ...

大規模推論モデル（LLM）は、機会があれば脆弱性を悪用する。このような悪用は、大規模言語モデル（LLM）を使って思考連鎖（CoT）を監視することで検知できることが研究で示されている。悪い考え」に対してモデルを罰することは、ほとんどの誤動作を防ぐことはできず、むしろ彼らの意図を隠すことを可能にする。 論文を読む.

背景 Search-R1: Training LLMs to Reason and Leverage Search Engines with Reinforcement Learningと題された最近の論文（arxiv.org/pdf...

GraphRAGプロジェクトは、構造化されていないテキストに含まれる暗黙的な関係を利用することで、AIシステムがプライベートデータセット上で回答できる質問の範囲を拡張することを目的としている。 従来のベクトルRAG（または「セマンティック検索」）に対するGraphRAGの主な利点は、データセット全体に対するグローバルなクエリ、例えば「主な...

Jinaの前回の定番記事「DeepSearch/DeepResearchの設計と実装」をすでにお読みになった方は、回答の質を大幅に向上させることができるいくつかの詳細についてもっと深く掘り下げたいと思うかもしれません。今回は、「長いウェブページから最適なテキストセグメントを抽出する：後期チャンクを使用する方法」という2つの詳細に焦点を当てます。.

Gemma 3 主要情報概要 I. 主要指標 パラメータ詳細 モデル・サイズ 1億～270億パラメータ 4つのバージョン：1B、4B、12B、27B アーキテクチャ トランスフォーマーベースのデコーダー専用アーキテクチャ Gemma 2から継承し、いくつかの改良を加えた マルチモーダル機能 サポート...

1.背景と課題 人工知能（AI）技術の急速な発展、特に拡散モデルの進歩により、AIは非常にリアルな肖像画像を生成できるようになった。例えば、InstantIDのような技術では、1枚の写真だけで、同じID特徴を持つ複数の新しい画像を生成することができる。しかし、この技術には多くの応用シナリオがある。.

2025年2月にリリースされたNoLiMAは、長文理解力を評価するための大規模言語モデル（LLM）手法である。キーワードマッチングに依存する従来のNIAH（Needle-in-a-Haystack）テストとは異なり、NoLiMAの最大の特徴は、設問と重要情報を慎重に設計することで、...

ジェネレーティブAIの分野は現在急速に進化しており、新しいフレームワークや技術が登場している。そのため、この記事で紹介する内容は最新のものである可能性があることを読者は承知しておく必要がある。この記事では、LLMアプリケーションを構築するための2つの主要なフレームワーク、LangChainとLangGraphを深く掘り下げ、それぞれの長所と短所を分析し、最適なフレームワークを選択するのに役立てたいと思います。.

MCPサーバー、ファンクション・コール、エージェントの3つのキー・コンセプトを理解することは、急成長する人工知能（AI）分野、特に大規模言語モデル（LLM）において不可欠です。これらはAIシステムの基礎であり、それぞれがユニークで相互に関連した役割を担っています。 徹底的な...

はじめに OpenAIのモデルのような、現在私たちが使っているチャットボットが、どのようにして質問が安全であり、答えるべきかどうかを判断しているのか、不思議に思ったことはないだろうか。 実は、これらの大規模推論モデル（Large Reasoning Models: LRM）には、安全性チェックを行う機能がすでに備わっています。

DeepSeek-R1の推論能力とRAG検索に適用されるエージェント型ワークフローを組み合わせたものである。https://github.com/deansaco/r1-reas...

近年、人工知能の分野では推論能力が大きく進歩している。昨年、OpenAIが大規模言語モデル（LLM）の強力な推論の可能性を示した後、Google DeepMind、Alibaba、DeepSeek、Anthropicなどの組織がすぐに追随し、強化学習（RL...

近年、大規模言語モデル（LLM）の急速な発展により、マルチ・エージェント・システム（MAS）の能力が著しく向上している。これらのシステムは、タスクを自動化できるだけでなく、人間に近い推論能力も備えている。しかしながら、従来のMASアーキテクチャは、しばしば複雑なコード実...

大規模言語モデル（LLM）は、人工知能の分野でますます重要な役割を果たしている。LLMをより良く理解し応用するためには、その中核となる概念をより深く理解する必要がある。本稿では、「トークン」、「最大出力長」、「文脈長」という3つの重要な概念に焦点を当て、読者がLLM技術をより効果的に活用できるよう、理解の障壁を取り除く手助けをする...

最近、自律型AI（Autonomous AI）、AIエージェント、エージェントという言葉が頻繁に世間に登場するようになった。正直なところ、データ・アナリストやサイエンティストである私たちでさえ、この業界では過去にこうしたAI関連のトレンドやバズワードに少々戸惑ったことがある...。