AI・機械学習用語集

Agentic RAGシステムの設計パターンと構成要素を体系化したもの。ルーター型・マルチエージェント型・グラフ型など、ユースケースに応じた複数のアーキテクチャパターンが存在する。

ユーザークエリの意図・複雑度・必要な情報源を分析し、最適な検索戦略や処理パイプラインに動的にルーティングするAgentic RAGの中核機能。

Agentic RAGにおいてエージェントが生成した回答の品質を自己評価し、不足・誤り・矛盾を検出して自律的に修正する機能。CRAG・Self-RAG等の手法が代表的。

Agentic RAGにおいてエージェントが複数の検索・推論ステップを連鎖的に実行し、単一ステップでは到達できない深い分析や複合的な回答を生成する技術。

自律型AI多段実行基盤。Claude Agent SDK・OpenAI Agents SDK・LangGraph 0.3・AutoGen 0.7・CrewAI・Mastra・Vercel AI SDK・Pydantic AIが代表、Tool use+Memory+Planning+Human-in-the-loopを統合、2026年はMCP(Model Context Protocol)標準化で相互運用加速。

エージェントオーケストレーションとは、複数のAIエージェントのタスク分配・実行順序・状態管理・エラーハンドリングを統括的に制御する仕組みで、マルチエージェントシステムの頭脳にあたるレイヤーである。

LLMが利用可能な複数のツールの中から、ユーザーのリクエストに最も適したツールを自律的に選択・実行順序を決定する仕組み。単純なif-else分岐ではなく、LLMの推論能力を活用した動的なルーティングが特徴である。

LLMエージェントが短期記憶・長期記憶・エピソード記憶を統合的に管理し、過去の経験や対話履歴を活用してタスク遂行能力を向上させるための記憶システム設計。MemGPT/Letta、LangChain Memory、AutoGen等のフレームワークで実装される。

AI Agent Framework比較。Anthropic MCP (Model Context Protocol・Claude Desktop+SDK)・OpenAI Function Calling・LangGraph 0.2 (Stateful)・PydanticAI 0.2 (Type-Safe)・LlamaIndex Agent Workflows・Microsoft Magentic-One・AutoGen v0.4・CrewAI 0.86・Swarms・smolagents (HF)・Bee Agent (IBM)・Mastra (Vercel)・Agentic 1.x・¥0 OSS、2026年MCP標準化加速。

2024年成熟AgentBench・Industry-leading LLM-as-Agent benchmark + Industry-leading 8 distinct environments + Industry-leading API+Sim+OS+DB+KG+Card+CodeKG+Lateral + Industry-leading Tsinghua + UC Berkeley AgentBench LLM-as-Agent benchmark 2024。

AI Agent評価Benchmark。SWE-Bench Verified (500 GitHub Issues・Claude 3.7 Sonnet 49.3%・o3 71.7%)・SWE-Bench Lite・Aider Polyglot Bench (5 言語・Claude 3.5 Sonnet 49% / o1 72%)・τ-bench (Tool-Use・Tau-Bench)・GAIA・WebArena (Web Agent)・MLE-Bench (Kaggle 75 ML Tasks)・OSWorld (Computer Use)・Cybench (CTF Cyber)・¥0 OSS、2026年Computer Use Agent Bench拡大。

Claude/GPT 等の LLM を使った自律エージェント実行ループの汎用フレームワーク。タスク分解・ツール呼出・記憶管理・終了条件判定を組み合わせた繰返し制御構造の実装パターン。

HKUSTと北京大学が2023年に共同開発したアラビア語特化LLM。Llama 2をベースにアラビア語コーパスで継続事前訓練とinstruction tuningを実施し、AceValベンチマークでGPT-3.5に匹敵するアラビア語性能を達成した。

AWS が 2023 年公開した第 2 世代 AI 推論特化 ASIC アクセラレータ。チップあたり 190 TFLOPS + 32GB HBM2e、Stable Diffusion / Llama 2 等の推論で同等 GPU 比 4 倍コスト効率、AWS EC2 Inf2 インスタンス搭載。

Amazon Web Services が開発した第2世代 AI 学習専用チップ Trainium2。前世代比で性能 4 倍、エネルギー効率 2 倍を実現し、EC2 UltraCluster で最大 10 万チップの超大規模学習クラスタを構成できる。

2024年AWS公開のCustom AI Training Accelerator第2世代。1.3PFLOPS BF16+96GB HBM3+UltraServer 64chip+Trn2 EC2 Instance+EFA v3+Neuron SDK 2.20を搭載。

Activation-aware Weight Quantization。活性化の大きさから重要な重みチャネルを特定して保護し、4bit量子化の精度劣化を抑えるLLM量子化手法。GPTQより高精度とされGPU推論で広く採用される。

2023年Lin et al. (MIT)発表AWQ・Industry-leading activation-aware weight quantization LLM + Industry-leading 4-bit quantization + Industry-leading salient channel protection + Industry-leading LLaMA/Mistral production quantization。

2025年Q1 AWS re:Invent 2024発表のTrainium 3・AWS第3世代AI training chip (Trainium 1 2022 + Trainium 2 2024 後継)・2倍 Trainium 2 性能 + 40% energy efficiency improvement + 3nm process (TSMC 3nm) + HBM3e + NeuronLink 4x bandwidth + AWS Trn3 instance + AWS Bedrock LLM training infrastructure・Anthropic Claude 4 training partner + AWS Strategic Investment $4B+ Anthropic投資協力・NVIDIA H100/Microsoft Maia 200/Google Trillium TPU v6競合のAWS AI Sovereignty hardware。

2023年MIT-Han-Lab公開AWQ(Activation-aware Weight Quantization)量子化アルゴリズム。Pro 業界Pro Mainstream Activation-aware Weight量子化先駆 + Pro 米国MIT-Han-Lab Ji Lin et al + Pro 2023-06 AWQ論文公開 + Pro Salient Channels保護 + Pro 4bit GPU特化 + Pro AutoAWQ + 累計2023-2026年3年Heritage継承代表機。