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3回をお届けいたします。
────────────────────────
LLMの学習には膨大な計算資源が必要です。
そこで各社が使うのが、継続学習という仕組みです。
学習済みのモデル、いわばセーブデータであるCheckpointから出発し、新しいデータを追加で学習させて次の世代を作ります。
毎回ゼロから作り直してはいません。
このことは、広報にとって重要な帰結を持ちます。
モデルの更新は連続的ではなく、離散的なイベントだということです。
記憶が書き換わる機会は、更新のタイミングにしか訪れません。
そして、一度の更新周期を逃すと、次の機会は数か月から年単位で先になります。
その間、LLMは古い記憶のまま自社を語り続けます。
競合がその更新に間に合い、自社が間に合わなかった場合、差は次の更新まで固定されます。
だからこそ、評価にも正しいタイミングがあります。
毎週LLMに聞いて一喜一憂するのではなく、モデルが更新された日に、前の世代と比べる。変化はそこにしか現れません。
────────────────────────
それができるのが、ディギディギです。
同じ質問を繰り返し投げ、自社が想起集合に入った回数の割合を想起シェアとして計測できます。
モデル更新の前後で比較すれば、世代間の変化が数字で残ります。
▼ 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/
＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝
