プロンプト・LLM活用

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 Gemma 2：オープンモデルの新基準を確立する次世代AIニュース要点Googleは、2024年6月25日（米国時間、日本時間2024年6月26日...

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システムにおけるプロンプト評価指標Retrieval-Augmented Generation (RAG) システムは、外部知識ベースから情報を検索し、そ...

LLMの効率的なファインチューニング手法LoRA：その仕組みと効果要点（3行）LoRA（Low-Rank Adaptation）は、大規模言語モデル（LLM）のファインチューニングにおいて、ごく少数の追加パラメータ学習で高い性能を維持し、メ...

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の失敗モード抑制と評価指標：プロンプト工学による堅牢化大規模言語モデル（LLM）のアプリケーション開発において、モデルの性能を最大化し、予測可能な挙動を実...

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出力のJSON/YAML形式制御：確実な構造化データ生成のためのプロンプト戦略と評価大規模言語モデル（LLM）は、自然言語の生成だけでなく、構造化されたデ...

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におけるプロンプト設計と評価の最適化Retrieval Augmented Generation (RAG) アーキテクチャは、大規模言語モデル（LLM）...

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。CoTプロンプティング実践: 設計、評価、改良のサイクルLLM（大規模言語モデル）の推論能力を向上させる手法として、Chain-of-Thought（CoT）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。プロンプト入出力契約によるLLM応答制御の設計と評価大規模言語モデル（LLM）の応用において、その応答の信頼性と予測可能性は不可欠です。特にシステム連携や自動化...

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の構造化出力とJSON Schemaを用いた堅牢なプロンプト設計近年、大規模言語モデル（LLM）は多様なタスクで高い性能を発揮していますが、その出力はしば...

LLM推論効率化の計算量分析要点（3行）大規模言語モデルの推論効率化技術を計算量分析の視点から解説し、KVキャッシュ最適化、投機的デコーディング、Mambaなどの主要手法がスループットとレイテンシを改善する。Transformerの二次計算...