AIの基礎・学習・モデル - I Trust AI

データセット

データセット（dataset）は、機械学習やデータ分析で一まとまりとして扱うデータの集合です。表形式なら多数の行と列、画像認識なら画像と付随… 「続きを読む」
ファインチューニング

ファインチューニングとは、すでに学習済みのモデルを初期値として、より小さく目的に近いデータで追加学習し、特定タスク・分野・出力傾向へ適応させ… 「続きを読む」
Instruction Tuning

Instruction Tuningとは、自然言語の指示と望ましい応答の組を多数使って言語モデルを教師ありで追加学習し、個別タスクだけでなく… 「続きを読む」
SFT

SFT（Supervised Fine-Tuning）とは、事前学習済みモデルに対し、入力と望ましい正解出力のペアを教師データとして追加学習… 「続きを読む」
RLHFとは？人間の「好み」を使ってAIの振る舞いを調整する学習法

RLHF（Reinforcement Learning from Human Feedback、ヒューマンフィードバックからの強化学習）は、… 「続きを読む」
RLAIFとは？ AIのフィードバックを使ってAIを訓練する方法

RLAIF（Reinforcement Learning from AI Feedback）は、別のAIモデルが出した評価や選好を、強化学習… 「続きを読む」
状態（強化学習）

強化学習でいう「状態（state）」は、エージェントが置かれている環境の現在の状況を、意思決定に使える形で表したものです。たとえば迷路なら「… 「続きを読む」
データクレンジング

データクレンジングとは、生データに含まれる誤り、欠損、重複、不整合、形式のばらつきなどを見つけ、用途に照らして修正・除外・標準化する作業です… 「続きを読む」
RLVRとは？「検証できる正しさ」を報酬にして学ぶ強化学習

RLVR（Reinforcement Learning with Verifiable Rewards）は、数学の正答、コードの実行結果、形… 「続きを読む」
行動（強化学習）

強化学習における「行動（action）」は、エージェントが現在の状態や観測をもとに選び、環境へ働きかける操作です。迷路なら「上・下・左・右へ… 「続きを読む」

AI用語のカテゴリー: AIの基礎・学習・モデル