LLM入門
合計 2 件の記事があります。
現在 1 ページ中の 1 ページ目です。
RAGに欠かせない埋め込みモデルとは？意味検索を支える技術解説｜LLM入門 4.1
RAGにおける意味検索の基盤となるのが「埋め込みモデル（Embedding Model）」です。本記事では、OpenAIやSBERTなど代表的モデルの特徴、選定ポイント、チャンク設計との関係をわかりやすく解説します。
2025-02-17
RAGを構築するための技術要素とは？Embeddingから検索・統合まで解説｜LLM入門 第4章
RAG（Retrieval-Augmented Generation）を構築・運用するには、埋め込みモデル、ベクトル検索エンジン、プロンプト整形などの技術が欠かせません。本章では、主要な技術コンポーネントとその選定ポイントを体系的に解説します。
2025-02-16
カテゴリー
検索履歴
会話履歴 655
エンジニア向け 378
自動要約 351
大規模言語モデル 350
マルコフ連鎖 344
言語モデル 336
NLP トランスフォーマー 331
数学的アプローチ 329
生成型要約 326
データ前処理 324
注意メカニズム 322
トークン化 319
パーソナライズドコンテンツ 317
LLM テキスト生成 314
LLM 要約 313
教育AI 313
クロスエントロピー損失 311
ロス計算 304
GPT-2 テキスト生成 303
トレーニング 301
ミニバッチ学習 301
自動翻訳 296
バイアス 問題 294
GPT テキスト生成 293
セルフアテンション 293
自然言語処理 翻訳 292
LLM リアルタイム処理 287
コード生成 287
バッチサイズ 286
サンプリング 285
チーム
任 弘毅
株式会社レシートローラーにて開発とサポートを担当。POSレジやShopifyアプリ開発の経験を活かし、業務のデジタル化を促進。
下田 昌平
開発と設計を担当。1994年からプログラミングを始め、今もなお最新技術への探究心を持ち続けています。