LLM入門

このページでは、AI技術に関心のある方のために、LLM(大規模言語モデル)の基礎から応用までをわかりやすく解説します。


合計 12 件の記事があります。 | 現在 1 ページ中の 1 ページ目です。

第6章 — RAG のリスク

『LLM Primer VII: AIセキュリティ』章別ウォークスルー第6回。検索コーパスを非信頼な入力チャネルとして扱う章 — 索引された文書はすべて、モデルから見ればユーザーの質問と同格の命令だからだ。

2026-05-15

第11章 — 継続的なアップデートとパイプライン最適化

LLM Primer III ウォークスルー、最終回。CDC とインクリメンタルなインデックス更新でコーパスを新鮮に保ち、セマンティックキャッシュとモデル階層化でレイテンシを抑え、4段のフィードバックループで本番テレメトリと実際に行う変更の橋渡しをする — そして第4巻 MCP への橋。

2026-03-28

第10章 — 主要な評価フレームワーク

LLM Primer III ウォークスルー第10回。評価トライアドを実際に運用できる形にする8つのフレームワークの現場ガイド — メトリックファースト側の RAGAS、TruLens、DeepEval と、可観測性プラットフォーム側の Braintrust、LangSmith、Phoenix、Galileo、Opik、そしてどれもまだ閉じていない評価ギャップ。

2026-03-27

第9章 — RAG評価トライアド

LLM Primer III ウォークスルー第9回。RAGは3つの異なる場所で失敗しうるのに、外から見ると同じ症状を出します — コンテキスト関連性、グラウンデッドネス、回答関連性という評価トライアドは、別のバグを直しながら別の症状を測ってしまうのを防ぐための、小さな粘り強い語彙です。

2026-03-26

第8章 — RAGパイプラインにおけるデータ匿名化

LLM Primer III ウォークスルー第8回。生成前 vs 生成後の匿名化、3つの技法ファミリー(マスキング、合成置換、差分プライバシー)、そしてシステムが有用なまま残れるかを左右する有用性 vs プライバシーのトレードオフ。

2026-03-25

第1章 — RAGアーキテクチャの進化

LLM Primer III ウォークスルー第1回。ベースモデルの2つの構造的制約 — 凍結された知識と、出典が示せないこと — に対するアーキテクチャ上の単一の答えが、3年で4つの顔を持つに至った話です。Naive、Advanced、Modular、Agentic という4つの姿勢と、検索よりもファインチューニングが効く場面を整理します。

2026-03-18

LLM Primer III — シリーズ紹介とインデックス

LLM Primer シリーズ第3巻『RAGで強化するエンタープライズAI』を、章ごとに紹介していくウォークスルーの初回です。なぜ検索拡張生成は、外から見ると単純で、中を開けると工程の積み重ねなのか。本書を誰に向けて書いたか、そして3月18日から28日までの11日間の進行を最初にお伝えします。

2026-03-17

RAGとMCPの関係とは?RetrieverとLLMの役割分担を明確にする設計法|LLM入門 6.1

RAG構成を安定的に運用するには、RetrieverとLLMの責任範囲を明確にする必要があります。本記事では、MCP(Model Context Protocol)を活用して、指示・文脈・入力の3層に分けた設計の考え方を解説します。

2025-02-27

RAGの設計力とは?プロンプトと文脈の最適化で生成精度を高める方法|LLM入門 第6章

高性能なLLMと正確な検索結果を活かす鍵は、プロンプトと文脈の設計にあります。本章では、RAGの実運用で成果を出すための構成・整形・トークン最適化の具体的な手法を、設計者の視点から詳しく解説します。

2025-02-26

RAGで業務AIを強化する方法とは?|LLM入門:検索と統合の仕組みを解説

RAG(Retrieval-Augmented Generation)は、大規模言語モデルに社内ナレッジやFAQを統合し、業務に使えるAIを構築する鍵です。本記事ではRAGの仕組み、活用例、導入のステップまで、わかりやすく解説します。

2025-02-01

5.3 NLUとNLGの活用|高度なチャットボットの設計と実装

NLU(自然言語理解)とNLG(自然言語生成)の技術を使用して、よりインテリジェントなチャットボットを構築する方法をPythonの実装例とともに解説。

2024-11-19

4.2 LLMによる質問応答システム | 高精度な回答生成とその応用例

LLM(大規模言語モデル)を活用した質問応答システムの仕組みと応用例をエンジニア向けに解説。カスタマーサポート、FAQ、検索エンジン強化など、様々な分野での実際の使用ケースを紹介。

2024-09-17