AI用語のカテゴリー: AIの基礎・学習・モデル

合成データとは、実世界で直接観測・収集した記録そのものではなく、統計モデル、シミュレーション、生成AIなどで人工的に作られたデータです。 「続きを読む」

DPO（Direct Preference Optimization）は、「回答Aのほうが回答Bより好ましい」という選好ペアを使い、明示的な… 「続きを読む」

強化学習の「価値関数（value function）」は、現在の状態や、現在の状態である行動を選んだことが、将来の報酬まで含めてどれくらい望… 「続きを読む」

データセットの枯渇とは、AIモデルの学習需要が増える一方で、利用条件と品質を満たす新しい訓練データの供給が十分に増えず、データがスケーリング… 「続きを読む」

「探索と活用（exploration and exploitation）」は、強化学習で繰り返し現れる基本的なトレードオフです。探索は、まだ… 「続きを読む」

GRUはGated Recurrent Unitの略で、RNN（Recurrent Neural Network）の一種です。2014年にR… 「続きを読む」

Reward Modeling（報酬モデリング）は、人間やAIによる評価・選好データから、「この出力はどれくらい望ましいか」を数値化するre… 「続きを読む」

Transformerは、系列中の要素同士の関係をattentionで計算することを中心に構成され、現代の多くの言語・画像・マルチモーダルモ… 「続きを読む」

CNNはConvolutional Neural Network（畳み込みニューラルネットワーク）の略です。画像認識で広く知られていますが、… 「続きを読む」

Preference Optimization（選好最適化）は、複数の候補のうちどれが好ましいかという選好情報を使って、AIモデルの出力分布… 「続きを読む」