サクサク読めて、アプリ限定の機能も多数！
トップへ戻る
WWDC25
tech.akariinc.co.jp
みなさんこんにちは。燈株式会社CTOの三澤です。 今回は、ドメイン・業界特化の検索拡張生成(Retrieval Augmented Generation: RAG)システム構築における言語モデルの学習について紹介します。この記事は、ドメイン特化のRAGシステム構築に興味のあるAIエンジニアを対象にしています。 TL;DR 背景 専門分野におけるRAGシステムの課題 ドメイン特化RAGシステムの概要 ドメイン特化Embeddingモデルの学習 学習条件 学習結果 ドメイン特化Rerankerモデルの学習 学習条件(Stage 1) 学習条件(Stage 2) 学習結果 最後に We’re Hiring! 参考文献 TL;DR ドメイン特化RAGシステムのために、Embedding, Rerankerの言語モデルを独自コーパスで学習 Embedding, Rerankerともに精度の向上を確認
はじめに こんばんは！ 今週のAKARI Tech Blogは、DX Solution 事業本部 Dev の許が担当いたします。 先日OpenAIが「Deep Research」を公開し、その驚異的な文献調査能力が話題となりましたね！ 皆様使っていますでしょうか。 これまでひいこら言いながらインターネット検索していた時代と比べると、「Deep Research お願いします！」で、それなりの分析レポートが出てくることに隔世の感を感じますね。 これだけ性能の良いものが出てきた以上、仕組みが気になるところ。できることなら、自分たちでも再現実装してみたい！ しかし例によってOpenAIは実装をオープンにはしてくれない……。 そこで登場するのが、Deep ResearchのOSS再現プロジェクトたち！ まずは Deep ResearchにOpenな再現実装について聞いてみましょうか。 ChatGP
このページを最初にブックマークしてみませんか？
『tech.akariinc.co.jp』の新着エントリーを見る
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
