AI・機械学習用語集

2024年6月Abacus.AI + NYU発表LiveBench・Industry-leading contamination-free monthly-refreshed + Industry-leading 6 categories reasoning/math/coding/data analysis/instruction/language + Industry-leading LiveBench AI dynamic benchmark 2024。

Google出身チームが開発したオープンソースのデータキュレーションツール。LLM学習データの可視化・検索・クリーニング・フィルタリングをWeb UIで対話的に実行でき、高品質なファインチューニングデータセット構築を支援する。

LLM/RAG評価フレームワーク。RAGAS(Retrieval-Augmented Generation Assessment・Faithfulness/Answer Relevance/Context Precision)・LLM-as-Judge(Claude/GPT-5 judge・Bias対策注意)・Ragas metrics・DeepEval(Python・14+ metric)・Promptfoo(CLI・YAML test)・Giskard・TruLens・PhoenixArize・LangSmith Evaluator・Braintrust Eval・Confident AI・2026年RAG品質測定標準。

Retrieval-Augmented Generation の略で、LLM の出力生成時に外部知識ベースから関連情報を検索し、コンテキストとして与える手法。ハルシネーション削減と最新情報対応の主要技術。

Retrieval-Augmented Generation。Vector Search+LLM生成統合。Naive RAG・Advanced(Pre/Post retrieval)・Modular RAG・Agentic RAG・GraphRAG(Microsoft)・HyDE・Contextual Retrieval(Anthropic)・RAG Fusion・Self-RAG・Corrective RAG・LlamaIndex・LangChain・Haystack・RAGFlow・DSPy・R2R対応、2026年LLM応用定番。

RAGシステムが生成した回答の各文が、検索された参照文書によって支持されているかを測定する評価指標。RAGAsフレームワークの中核指標の一つ。

ユーザークエリを複数のサブクエリに変換し並列検索した後、RRF（Reciprocal Rank Fusion）で結果を統合するRAG手法。単一クエリの検索盲点を補完し、より網羅的な文書召喚を実現する。

RAG (Retrieval-Augmented Generation)主要Framework。LangChain 0.3+/LangGraph 0.2 (Stateful Agent)・LlamaIndex 0.12+ (Workflows・Property Graph)・Haystack 2.x by deepset・DSPy by Stanford (Auto Prompt Optimize)・PydanticAI 0.2・LiteLLM 1.55・Phidata/Agno・LangFlow GUI・Flowise・¥0 OSS、2026年Agentic RAG+GraphRAG主流化。

RAG用ベクトルデータベース。Qdrant 1.12(Rust・オンプレ無料)・Pinecone(SaaS・$70/month起)・Weaviate 1.27(Go・ハイブリッド)・Milvus 2.5・Chroma DB 0.6・pgvector 0.8(PostgreSQL拡張)・Redis Stack・Typesense Cloud・Turbopuffer(Elasticsearch類似)・LanceDB(Rust・Serverless)・Cloudflare Vectorize・SurrealDB対応、2026年オンプレQdrant+Postgres pgvector定着。

RAG検索結果並び替え。Cohere Rerank 3.5(100言語・5x高速)・Voyage rerank-2.5・Jina Reranker v2・BGE reranker v2-m3・Qwen3-Reranker-4B・ColBERT v2・Cohere Rerank 3.5 Lite・LLM Rerank(LlamaIndex)・MMR(Maximum Marginal Relevance)・Cross-Encoder vs Bi-Encoder・Hybrid(BM25+Dense) + Rerank 3段構成、2026年RAG品質改善必須。

Lakera AI 社が提供する LLM ファイアウォール SaaS。プロンプトインジェクション・Jailbreak・PII漏洩・有害コンテンツを API 呼び出し1行で検出・ブロックする。100万件以上の攻撃パターンデータベースに基づく検出エンジンで、1リクエストあたり平均2msの低レイテンシを実現。

2023年Haotian Liu et al. (UW-Madison+MS Research)発表LLaVA・Industry-leading open-source vision-language model + Industry-leading visual instruction tuning + Industry-leading CLIP + LLaMA + Industry-leading first open VLM foundation。

ByteDanceが2024年発表のLLaVA系動画理解モデル。AIRキュレーションデータセットとフレーム圧縮技術で長時間動画を効率的に処理。Video-MMEで最高水準を達成。

2024年4月Lovable公開(旧GPT Engineer)。Pro 欧州Mainstream Full-Stack AI Coding Top + Pro Sweden発祥 + Pro Anton Osika Pro CEO主導 + Pro Supabase統合 + Pro $20-$200 Subscription + Pro $17M Series A + Pro $200M ARR Pro Famous + 2024-11 Pro Lovable 2.0 + 2025-Pro Mobile + 累計2024-2025年Heritage。

テキストや画像からReact、Supabase、Stripe等を組み合わせたフルスタックWebアプリケーションを自動生成する、AI App Builderの先駆的プラットフォーム。

Rabbit社が2024年1月CESで発表した単機能AI端末。LAM（Large Action Model）を搭載し$199でスマートフォン不要の音声AIアシスタントとして販売された。

RAFT（Retrieval Augmented Fine-Tuning）は、RAGパイプラインにおいてretrieverが返す文書群から必要な情報を正確に抽出する能力をLLMに訓練するファインチューニング手法。ドメイン固有のオープンブック試験を模倣し、正解文書（oracle）と無関係文書（distractor）を混在させた学習データでモデルを鍛えることで、ノイズ耐性と情報抽出精度を同時に向上させる。

RAFT（Retrieval Augmented Fine-Tuning）の訓練手法は、oracle文書とdistractor文書を混在させたコンテキストでLLMをファインチューニングし、Chain-of-Thought形式で根拠付き回答を生成させる。P比率（oracle含有率）の制御とCoT回答生成がRAFT特有の訓練設計の核心である。

RAFTのデータセット構築は、ドメイン固有のコーパスから質問-回答ペアを生成し、各質問に対してoracle文書（正解を含む文書）とdistractor文書（無関係な文書）を割り当てるプロセスである。Chain-of-Thought形式の教師回答の生成と品質管理が構築の鍵となる。

RAFTのドメイン適応は、特定の専門領域（医療、法律、金融、技術文書など）のコーパスでRAFTデータセットを構築・訓練することで、そのドメインのRAGパイプラインの精度を飛躍的に向上させるプロセスである。汎用LLMでは対応しきれない専門用語や推論パターンを獲得する。