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 714
エンジニア向け 386
マルコフ連鎖 368
生成型要約 363
注意メカニズム 361
自動要約 359
パーソナライズドコンテンツ 357
大規模言語モデル 357
教育AI 357
NLP トランスフォーマー 351
トークン化 344
言語モデル 344
ミニバッチ学習 339
数学的アプローチ 338
データ前処理 330
GPT テキスト生成 329
クロスエントロピー損失 321
セルフアテンション 321
LLM テキスト生成 320
LLM 要約 318
バイアス 問題 317
ロス計算 311
GPT-2 テキスト生成 307
トレーニング 306
線形代数 304
FAQシステム 300
自動翻訳 300
コード生成 297
バッチサイズ 297
自然言語処理 翻訳 297
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。