AI・機械学習用語集

ガードレールトピック制御（Topic Control）とは、LLMアプリケーションにおいてユーザーの入力および応答の話題を許可されたドメインに限定し、オフトピック・有害コンテンツ・PII（個人識別情報）を検出・排除するガードレール機能の総称である。意図分類モデル、コンテンツモデレーションAPI、正規表現ベースのPIIフィルタ、ジェイルブレイク防御パターンなどの技術を組み合わせ、LLMの応答品質とサービスの安全性を多層的に保証する。

KTO（Kahneman-Tversky Optimization）は、ペア化された選好データではなく個別の「良い/悪い」バイナリフィードバックから直接LLMを最適化する手法で、プロスペクト理論に基づく損失関数を使用する

ALiBiを一般化したTransformerの相対位置エンコーディング手法。対数（log）または冪乗（power）カーネル関数を用いて距離に応じた注意バイアスを生成し、ALiBiより豊かな位置表現と長さ外挿能力を実現する。

MicrosoftリサーチチームがLLMの生成フローをプログラム的に制御するために開発したPythonライブラリ。テンプレート構文でLLM呼び出しと条件分岐・ループを混在させた「制御可能生成」を実現。

コンテキスト窓外のストレージ（ベクトルDB・RDB・グラフDB等）に記憶・知識を永続化し検索・取得する仕組みの総称。

Kaiming He が 2015 年に提案した、ReLU 系活性化関数に最適化された重み初期化手法。入力ノード数 fan_in のみに基づいて分散を Var(W)=2/fan_in に設定し、ReLU が負値をゼロクリップすることで失われる分散を補償する。GPT-NeoX・Llama 3・Mistral など 2026 年の主要 LLM で最も広く採用されている初期化手法である。

2015年にKaiming Heが提案した重み初期化手法。ReLU系活性化関数での分散減衰を補正するため、Var(W) = 2/n_inと設定する。ResNetの成功に貢献し、現在もCNNやReLUを使用するネットワーク層で標準的に採用されている。

ニューラルネットワークが新しいタスクや知識を学習する際に、以前に習得した知識を急激かつ大幅に失う現象。継続学習・ファインチューニングにおける主要な課題。

2024年Kaedim公開Kaedim 2.0。Pro 業界Pro Mainstream Image-to-3D AAA Quality特化 + Pro 英国London Kaedim + Pro Konstantina Psoma CEO + Pro Production-Ready Mesh + Pro Hand-corrected AI + Pro 月額制Enterprise + 累計2020-2026年6年Heritage継承代表機。

2024年Microsoft Research + Stanford共同発表Cascade Inference paper・Industry-emerging Layer-Wise Cascade LLM Inference paradigm + Industry-leading small model + large model cascade inference + Industry-emerging cascade inference paradigm Pioneer + Industry-leading cost-efficient inference paradigm。

LLMのリクエスト処理において、まず軽量・低コストモデルで応答を生成し、応答品質が基準を満たさない場合に段階的に上位モデルへエスカレーションする多段ルーティング戦略。品質保証とコスト削減を両立する。

カスケードルーティング（Cascade Routing）とは、LLMへのリクエストを最初に小型・低コストモデルで処理し、品質が閾値を下回った場合にのみ段階的に大型・高コストモデルへエスカレーションするルーティング手法である。Stanford大学が2023年に発表したFrugalGPTで提唱された概念であり、「安いモデルで解ける問題は安いモデルで解く」という経済合理性に基づく。最大98%のコスト削減が理論上可能であり、LLMの本番運用コスト最適化の中核技術として広く採用されている。

GPU Custom Kernel。NVIDIA CUTLASS 3.6 (CUDA Templates・GEMM)・cuDNN 9.x (Deep Neural Network)・cuBLAS・Liger Kernel (LinkedIn・Triton)・FlashInfer (高速Inference Kernel)・FlashAttention v3 (Hopper)・FlashDecoding++ (KV Cache 8x)・xFormers Memory Efficient Attention・SageAttention (Smooth+Sparse)・Marlin (4-bit GPTQ Kernel)・¥0 OSS、2026年FlashAttn 4+SageAttn普及。

画像/動画AIの拡張ノード。ComfyUI Custom Nodes・ComfyUI-Manager・Impact Pack・AnimateDiff-Evolved・WAS Node Suite・Efficiency Nodesが代表で、GitHub Registry経由でインストール、Stable Diffusion 3.5/FLUX.1拡張機能実装。

LLMの業務固有の性能を測定するために設計・構築する独自の評価フレームワーク。タスク定義・メトリクス選定・データセット構築・自動化・LLM-as-Judge を組み合わせて実用性能を定量化する。

商用画像生成APIサービス。OpenAI gpt-image-1($0.04/枚)・Google Imagen 4 API($0.03/枚)・Stability AI SD 3.5 Large API・Black Forest Labs FLUX.1 API($0.05/枚)・Midjourney API(2026 Q1ベータ)・Ideogram v3 API・Leonardo AI・Reka AI Imageが代表、GPU手当不要+月間数十万枚生成可。

高品質画像生成拡散モデル。Black Forest Labs FLUX.1 [dev]/[schnell]/[pro]・FLUX.1.1 [pro] Ultra(4MP 2M pixel)・Stable Diffusion 3.5 Large/Medium(Stability AI)・SDXL 1.0・SD3 Medium・Imagen 3(Google)・Ideogram 3.0(text in image)・Midjourney v7・Recraft V3・Adobe Firefly Image 4対応、2026年FLUX優勢+LoRA ecosystem成熟。

対応する画像とテキストペアの表現を埋め込み空間で近接させ、非対応ペアを遠ざけるコントラスト損失による学習手法。

画像の内容を単なるピクセルパターンとしてではなく、物体・シーン・関係性・文脈を含む意味的レベルで解釈し、自然言語による説明や質問応答を行えるAI技術の総称。従来の画像認識（分類・検出）から一歩進んだ「理解」を目指す。

評価データセットにランダムな一意の文字列（canary string）を埋め込み、LLMがその文字列を生成できるかテストすることで、学習データへの混入を検証する手法。データ汚染のブラックボックス検出に有効。