いつもお世話になっております。Qlipper運営・株式会社トドオナダです。
「LLMのリアルタイム学習の現在と未来」第2回をお届けいたします。
────────────────────────
LLMが今日のニュースに答えることがあります。
学習は済んでいるはずなのに、なぜでしょうか。
答えは、モデルの外側にあります。
質問を受けた瞬間にWebを検索し、取得した記事をLLMに読ませて答えさせる。
RAGという仕組みです。
カンニングペーパーを渡しているのであって、モデル本体が新しくなったわけではありません。
つまり最新性には二種類あります。
RAGによる検索の最新性と、パラメータ更新による学習の最新性です。
この二つを混同すると、対策を誤ります。
RAGで名前が出ても、それは検索結果に載っていたというだけで、LLMの記憶に入ったことを意味しません。
検索結果から消えれば、名前も消えます。
逆に、学習の最新性で記憶に入れば、検索に頼らず名前が挙がります。目指すべきはこちらです。
ただしそのためには、次のモデル更新までに、学習データへ自社の記事が届いている必要があります。
いまの自社の露出が、RAG頼みなのか記憶によるものなのか。
切り分けが対策の出発点になります。
────────────────────────
それができるのが、ディギディギです。
RAGが発火したときにどのページが引用されたかを、サイテーションデバッグで確認できます。
引用の内訳から、いま外部参照に頼られている領域が分かります。
▼ ただいま1 on 1ミーティングを開催中です
LLMOの疑問やお悩みを、ディギディギを使いながらご相談いただけます。
▼ サービス資料・LLMO事前学習対策チェックシート(無料)
────────────────────────
次回もどうぞお楽しみに。
何かご不明点がございましたら、お気軽にご連絡ください。
どうぞよろしくお願いいたします。
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
株式会社トドオナダ
Qlipper運営事務局
〒110-0005
東京都台東区上野7-11-13 弥彦ビル302
03-6453-6886
info@todo-o-nada.com
https://qlipper.jp/
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
