プロンプト・LLM活用 RAGシステムの評価指標とプロンプト改良ループ
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。RAGシステムの評価指標とプロンプト改良ループRAG（Retrieval-Augmented Generation）システムは、外部知識を参照することでLLMの...
プロンプト・LLM活用
プロンプト・LLM活用 プロンプト・LLM活用 LLM推論の計算効率を最大化するKVキャッシュ最適化戦略：PagedAttentionとContinuous Batchingの深層解析
LLM推論の計算効率を最大化するKVキャッシュ最適化戦略：PagedAttentionとContinuous Batchingの深層解析要点（3行）LLMの自己回帰推論におけるメモリボトルネックはKVキャッシュであり、この管理がスループット...
プロンプト・LLM活用 AWS re:Invent 202X発表：エンタープライズ生成AI開発を革新するAmazon Qの進化とカスタムアプリ構築
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。AWS re:Invent 202X発表：エンタープライズ生成AI開発を革新するAmazon Qの進化とカスタムアプリ構築ニュース要点：開発者アシスタントとカス...
プロンプト・LLM活用 LLMにおけるFew-Shot/In-Context Learningプロンプト設計ガイド
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。LLMにおけるFew-Shot/In-Context Learningプロンプト設計ガイド大規模言語モデル（LLM）のFew-Shot/In-Context L...
プロンプト・LLM活用 LLMの創発能力とIn-context Learning：メカニズム解明と最新応用動向
LLMの創発能力とIn-context Learning：メカニズム解明と最新応用動向要点（3行）大規模言語モデル（LLM）は特定の規模で予期せぬ「創発能力」を示し、プロンプト内の少数ショット例（In-context Learning: I...
プロンプト・LLM活用 Chain-of-Thoughtプロンプティング実践
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。Chain-of-Thoughtプロンプティング実践Chain-of-Thought（CoT）プロンプティングは、大規模言語モデル（LLM）が複雑な推論タスクを...
プロンプト・LLM活用 LLMのJSON出力制御と評価
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。LLMのJSON出力制御と評価大規模言語モデル（LLM）からのJSON形式での出力制御は、API連携、データ抽出、自動化ワークフローなど、多岐にわたるアプリケー...
プロンプト・LLM活用 Few-shotプロンプティングの入力例選定と評価
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。Few-shotプロンプティングの入力例選定と評価Few-shotプロンプティングは、大規模言語モデル（LLM）が少数の入力例からタスクの意図を学習し、同様の新...
プロンプト・LLM活用 LLMの量子化技術による効率化：Geminiの事例と最新動向
LLMの量子化技術による効率化：Geminiの事例と最新動向要点（3行）LLMの量子化技術は、モデルのメモリフットプリントを削減し、推論速度を向上させます。Gemini NanoではWeight 4-bit, Activation 16-b...
プロンプト・LLM活用 Google Gemini Advancedの技術的背景：Ultra 1.0から1.5 Proの革新まで
本記事はGeminiの出力をプロンプト工学で整理した業務ドラフト（未検証）です。Google Gemini Advancedの技術的背景：Ultra 1.0から1.5 Proの革新までニュース要点Googleの生成AIサービス「Gemini...