TypeSafe の Jev を組み込む前に測る — 記事のタグは付けられても、翻訳の良し悪しは判定できなかった
TypeSafe の Jev はこのブログのタグ選びで AUC 0.97 を出し、確率も較正されていました。翻訳調の判定は 0.57〜0.63 だったため、下書きのタグ提案にだけ使います。
TypeSafe の Jev はこのブログのタグ選びで AUC 0.97 を出し、確率も較正されていました。翻訳調の判定は 0.57〜0.63 だったため、下書きのタグ提案にだけ使います。
Amazon Bedrock は Claude Sonnet 5 で strict tool use を拒否します。プロンプトの 1 行と tool_result によるエラーの差し戻しで、翻訳の JSON を正しい形に保ちました。
text-to-SQLエージェントが、行を手で足すなという規則を破りました。GROUP BY ROLLUPとスカラーサブクエリは、規則ではなく手順そのものを消して直しました。
次のトークン予測を起点に、temperatureやtop_pが制御するもの、ハルシネーションが構造的である理由、プロンプトエンジニアリングが効く仕組み、システムプロンプト漏洩攻撃、そしてExtended Thinkingの位置づけを解説します。
文脈をどう扱うかからLLMの完成まで。RNNの構造的限界、Attentionの誕生、Transformer、GPT-3のスケール革命、RLHFによる整列、そして現在の効率化の時代までを追います。
LLMは無関係な問題の副産物だった。チューリングの計算可能性、シャノンの情報理論、パーセプトロン、バックプロパゲーション、GPU、そして言葉をベクトルに変えるWord2Vecまでを追います。
社内KB検索でRAGをファインチューニングに置き換えられるか。ファインチューニングが実際に学ぶもの、純粋IRやロングコンテキストが勝つ場面、それぞれのコストを整理します。
AIMockはLLM・ベクトルDB・MCP・A2Aを1つのポートでモックします。エージェントのテストスイートは3秒以内に完了し、毎回同じ出力を返します。