拡張モデル
拡張モデルとは、元のトレーニングデータを超えた外部の動的または独自の知識ソースによって強化または補完された人工知能システム、または基盤モデル(LLMなど)を指します。モデルは、事前学習中に学習したパターンだけに頼るのではなく、リアルタイムまたは特定のコンテキストを積極的に検索、処理、組み込むことで、より正確で、関連性が高く、根拠のある出力を生成します。
従来のモデルは、知識のカットオフやハルシネーション(もっともらしいが誤った情報を生成すること)に悩まされています。拡張はこれらの制限に直接対処します。モデルを検証可能で最新の外部データに根付かせることで、企業は信頼性が高く、コンテキストを認識し、特定の運用ニーズに関連するAIを展開できます。
中核的なメカニズムは、多くの場合、検索拡張生成(RAG)を伴います。ユーザーがクエリを送信すると、システムはまず専門の知識ベース(内部ドキュメント、データベース、ライブAPIなど)に問い合わせます。次に、検索された関連情報スニペットがプロンプトのコンテキストの一部としてコア言語モデルに渡されます。モデルはこの提供されたコンテキストを使用して回答を構成し、本質的に固有の知識を「拡張」します。
ベクトルデータベース、検索拡張生成(RAG)、ファインチューニング、ナレッジグラフ統合