AIエージェントを「自己進化」させる仕組み
本記事では、AIエージェントを自己進化させて性能を高める手法について、ざっくり解説します。 株式会社ナレッジセンスは、「エンタープライズ企業の膨大なデータを掘り起こし、活用可能にする」プロダクトを開発しているスタートアップです。 この記事は何 この記事は、訓練データなしでAIエージェントを自己進化させる手法「Dr. Zero」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもAIエージェントとは？」については、知っている前提で進みます（参考）。 本題 ざっくりサマリー Dr. Zeroは、「AIエージェント」を訓練データなしで進化させるための手法です。Meta社とイリノイ大学の研究者らによって2026年1月に提案されました。 ここで言う「AIエージェント」とは、例えばOpenAIの「Deep Research」や「Claude Code」のような、検索エージェントです
RAGの「業界特化」戦略（メルカリの成功例に学ぶ）
本記事では、RAGの精度を向上させるための「ドメイン特化埋め込みモデル」の手法について、ざっくり解説します。 株式会社ナレッジセンスは、「エンタープライズ企業の膨大なデータを掘り起こし、活用可能にする」プロダクトを開発しているスタートアップです。 この記事は何 この記事は、メルカリの研究チームがAAAI 2026で発表した「ドメイン認識型テキスト埋め込み」に関する論文[1]について、日本語で簡単にまとめたものです。 ちなみに、この論文自体はRAGについて直接言及したものではありません。しかし、 RAGとは検索エンジンそのものです。一般的な検索技術の精度向上手法は、そのままRAGに使えることも多いです。 今回は特に、「一般的なベクトル検索だけでは、業界用語・日本語データをうまく検索できない」 という、RAGで「あるある」な課題に対する、強力な解決策が示されています。 今回も「そもそもRAGと
Googleによる Deep Research の新手法、OpenAI超え
本記事では、精度の高い「Deep Research」機能を実装するための手法について、ざっくり解説します。 株式会社ナレッジセンスは、「エンタープライズ企業の膨大なデータを掘り起こし、活用可能にする」プロダクトを開発しているスタートアップです。 この記事は何 この記事は、「Deep Research」の新手法「Test-Time Diffusion Deep Researcher（TTD-DR）」の論文[1]について、日本語で簡単にまとめたものです。 本題 ざっくりサマリー 「TTD-DR」は、Deep Researchの精度を上げるための新しい手法です。 Google Cloud の研究者らによって2025年7月に提案されました。 最近、OpenAIの「Deep Research」が話題です。この機能では、Web上の情報をもとに深く考え、高精度な回答をすることができます。ただ残念ながら、
コンテキストエンジニアリングがなぜ重要なのか
導入 こんにちは、株式会社ナレッジセンスの須藤英寿です。 今回は、コンテキストエンジニアリングがエージェントにとってなぜ重要なのかを解説します。 説明の過程で、上記のブログの内容を参照しています。 サマリー ここ最近コンテキストエンジニアリングという言葉が話題になっています。 ツイートの中でも登場するプロンプトエンジニアリングと似た言葉ですが、コンテキストエンジニアリングという言葉が登場した背景にはエージェントの台頭が関係しています。 これまでLLMは基本的に「人」が利用するものでした。そのため入力するプロンプト、そのものに焦点を当てられていました。しかし、「エージェント」は人の手が基本的に介在することなく、自動的にLLMが動作し続けます。そのためプロンプトだけではなく、情報そのものをどう管理するかまで考える必要性が出てきました。この情報の扱い方を考えることこそコンテキストエンジニアリング
RAGの検索精度を上げる 新しいリランキング手法
本記事では、RAGの性能を高めるための「REBEL」という手法について、ざっくり理解します。株式会社ナレッジセンスは、エンタープライズ企業向けにRAGを提供しているスタートアップです。 この記事は何 この記事は、RAGの新手法である「REBEL」の論文[1]について、日本語で簡単にまとめたものです。 今回も「そもそもRAGとは？」については、知っている前提で進みます。確認する場合は以下の記事もご参考下さい。 本題 ざっくりサマリー REBEL (RErank BEyond reLevance) は、RAGの精度を上げるための新しい手法です。MicrosoftとScale AIの研究者らによって2025年3月に提案されました。 通常のRAGでは、リランキングという手法がよく使われます。これは何かというと、ベクトル検索で取ってきた文書を「ユーザーの質問との関連性」で並び替え、上位のX件をLLM
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
