Google DeepMindとスタンフォード大学の研究チームが注目の研究結果を発表しました。
大規模言語モデル、通称LLMのカスタマイズ方法に関するこの研究は、従来の「ファインチューニング」という手法と、より柔軟性の高い「インコンテキスト学習（ICL）」という手法の効果を評価しました。
特に、新たに提案された「拡張ファインチューニング」というアプローチが注目されています。
これは、ICLの強みを活かして、LLMが自ら例を導き出し、それを元のデータに組み込んで学習する方法です。
研究では、この新手法が従来の手法よりも優れた汎化能力を示すことが明らかにされました。
これにより、例えば親子関係のような逆向きの推論が困難だった問題も解決へと近づいています。
企業がAIをより効率的に、そして実務に適用する方法として重要な指針となるでしょう。
AIの理解と推論の能力向上に関するこの進歩は、企業や教育の現場にも新たな可能性をもたらす予感がします。
出典 : Google DeepMind×スタンフォード大学が提案する「拡張ファインチューニング」：LLMカスタマイズの新境地 – イノベトピア https://innovatopia.jp/ai/ai-news/53830/
