SeaLLM（シー エルエルエム）

SeaLLM — 東南アジア言語特化LLM

概要

SeaLLMはAlibaba DAMO Academy（Digital Aero Commerce Lab Research、DACLR）が2024年に公開した東南アジア（Southeast Asia）言語に特化した大規模言語モデルシリーズ。東南アジア11言語への対応と、地域固有の文化・制度に関する深い理解を持ち、汎用多言語LLMでは対応が困難な東南アジア市場のニーズに応える。

対応言語

SeaLLMがカバーする東南アジア11言語：

モデルラインアップ

訓練手法

SeaLLM訓練パイプライン:
1. ベースモデル（Llama 3.1）
   ↓
2. Continued Pre-training（東南アジア言語コーパス）
   - Common Crawlフィルタリング済みデータ
   - 各国の政府文書・ニュース・ウィキペディア
   - 東南アジア固有の文化・宗教・法律テキスト
   ↓
3. Supervised Fine-tuning（SFT）
   - 11言語でのinstruction-following
   - 東南アジア文化的文脈を含むQ&Aペア
   ↓
4. RLHF / DPO（人間フィードバック）
   - 東南アジアネイティブスピーカーによる評価
   - 文化的に適切な応答の優先
   ↓
SeaLLM（最終モデル）

東南アジア固有の知識

SeaLLMが他の汎用多言語LLMと差別化できる領域：

文化・宗教:

• タイの仏教文化・王室への敬意表現
• インドネシア・マレーシアのイスラム文化習慣
• フィリピンのカトリック文化・地域行事

法律・制度:

• 各国の雇用法・税法の基礎知識
• ASEANの貿易規制・輸入規制
• 各国の個人情報保護法（PDPA、PDPB等）

ビジネス:

• 東南アジアのEコマース慣行（Shopee、Tokopedia等）
• 現地決済手段・銀行システム
• ハラール認証・輸出入手続き

ベンチマーク性能

SeaLLM-v3-7Bの東南アジアベンチマーク（SEA-Bench）：

• タイ語: GPT-3.5 Turboを上回り、GPT-4 Turboに迫る性能
• ベトナム語: 同規模の汎用LLMより+15〜20%高いスコア
• インドネシア語・マレー語: Llama 3.1 8Bより大幅に向上
• 少数言語（クメール・ラオス・ビルマ）: 汎用モデルが苦手な文字処理でも安定動作

Apache 2.0ライセンスと活用事例

SeaLLMはApache 2.0ライセンスで商用利用が可能。実際の採用例：

• EC企業: 多言語商品説明文生成、レビュー分析
• フィンテック: 東南アジア各国の与信審査補助、規制Q&A
• メディア: タイ語・ベトナム語ニュース要約・翻訳
• 法律サービス: SeaLLM-Legal版でASEAN法律相談補助

まとめ

SeaLLMは東南アジア市場に特化した初の大規模LLMとして、地域のビジネス・法律・文化的文脈を深く理解している点が強み。6億人超の人口を抱える東南アジア市場でのAI製品・サービス開発において、汎用LLMを東南アジア向けにファインチューニングするベースとして有力な選択肢。