外部専門家による再発防止特別チームに関する調査結果について | Johnny & Associates
2023.8.29 外部専門家による再発防止特別チームに関する調査結果について 「外部専門家による再発防止特別チーム」(以下｢本チーム｣といいます。)による、弊社創業者である故ジャニー喜多川の性加害問題(以下｢本件｣といいます。)に関する弊社のガバナンス上の問題点の把握及び再発防止策の策定・提言に関する調査について、本日弊社は調査報告書を受領しましたので公表いたします。 【調査報告書(公表版)】 【調査報告書(概要版)】 【閲覧注意】本調査報告書には、調査における必要上、性加害に関する詳細な表現が記載されてます。 本件に関しまして、皆様に多大なるご心配とご不安をおかけしておりますことを、改めて心よりお詫び申し上げます。 なお、弊社は本チームの調査結果及び提言を踏まえて記者会見を実施する予定でおり、詳細につきましては別途関係者の皆様にお知らせする予定です。 2023年8月29日 株式会社ジ
LLMのファインチューニング で 何ができて 何ができないのか｜npaka
LLMのファインチューニングで何ができて、何ができないのかまとめました。 1. LLMのファインチューニングLLMのファインチューニングの目的は、「特定のアプリケーションのニーズとデータに基づいて、モデルの出力の品質を向上させること」にあります。 OpenAIのドキュメントには、次のように記述されています。 ファインチューニングは、プロンプトに収まるよりも多くの例で学習することで、Few-Shot学習を改善します。一度モデルをファインチューニングすれば、プロンプトにそれほど多くの例を提供する必要がなくなります。これにより、コストを削減し、低レイテンシのリクエストを可能にします。 しかし実際には、それよりもかなり複雑です。 LLMには「大量のデータを投げれば自動的に解決する」ような創発的な特性があるため、ファインチューニングもそのように機能すると人々は考えていますが、必ずしもそうではありませ
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
GitHub - microsoft/chat-copilot
