2472件の用語
参照モデル不要でSFTとアライメントを1ステップで実行するLLM手法。オッズ比ベースの損失関数でSFT損失と選好最適化を統合。韓国POSTECH・KAISTが2024年に提案。GPUメモリと学習ステップを削減。
Hong ら KAIST 2024年 LLM alignment 手法。SFT と preference 学習を1段階統合・reference model 不要で計算コスト半減
上海AILabが2024年に発表したGUI基盤モデル。Qwen2-VL-7Bをベースに1300万件のGUI操作データで学習し、Web・Windows・macOS・Android・iOSの5プラットフォームに対応する汎用GUIエージェント。
オープンソースコードを基にLLMが実践的なコーディング指示データを生成する手法。Magicoder（WeiCoder et al. 2023）が提案。GitHubの実コードスニペットをシードにLLMが多様な問題・解答を生成しコード特化モデルの精度を引き上げる。
Microsoft+Facebook 2017年OSS化のニューラルネットワーク交換フォーマット。PyTorch/TF/Caffe2等のモデル相互変換+推論実行統一。
Allen Institute for AI（AI2）が2024年に公開した完全オープンソースのMixture-of-Experts言語モデル。6.9Bパラメータ（アクティブ1.3B）の小型MoEで、学習データ・コード・重み・評価ツール全てを公開した透明性重視の研究モデル。Llama 3.1 3.2B同等の性能を半分の計算量で実現。
2024年Q3 Allen Institute for AI Ai2 (米Seattle・2014年Microsoft共同創業者 Paul Allen創業・Non-profit AI research institute・累計funding $500M+ from Paul Allen estate + DARPA + NSF grants・Academic AI research industry-leading non-profit institute) 発表OLMoE-1B-7B・Fully Open Research MoE LLM・1.3B active params per token + 7B total params (8 experts × 875M per expert)・Apache 2.0 license + Industry-leading Open data + Open code + Open weights + Open training logs comprehensive openness・OLMo (Open Language Model) family MoE variant + Academic AI research Industry-leading transparency。
Allen AI 2024年9月発表完全オープン MoE LLM。総7B / アクティブ 1.3B・学習データ・コード・チェックポイント全公開
米 OpenAI 2025年2月発表の推論モデルコスパ。o3 ベース + 主流コスパ + 数学 + コーディング主流・$1.10/1M input + $4.40/1M output・「推論モデルコスパ業界主流」.
2023年Google Research発表AudioPaLM・Industry-leading PaLM + speech tokens audio LLM + Industry-leading unified speech+text generation + Industry-leading Google Research audio LLM foundation + Industry-leading large language model audio。
AutoML Framework。H2O.ai AutoML 3.46 (FOSS)・H2O Driverless AI (商用)・AutoGluon 1.x (Amazon)・AutoKeras 2.x・PyCaret 3.x・TPOT 0.12 (Genetic)・AutoSklearn・FLAML (Microsoft Fast)・LightAutoML (Sber)・mljar AutoML・AutoML-Zero (Google)・FedML AutoML・OpenML・Vertex AI AutoML・Azure AutoML・¥0 OSS-¥¥¥¥¥/月、2026年LLM Driven AutoML増加。
進化的アルゴリズム（遺伝的アルゴリズム・進化戦略）を用いてニューラルネットワーク構造を探索するNAS手法。個体群の突然変異・交叉・選択を繰り返し、世代を重ねて最適なアーキテクチャを進化させる。
データの次元削減や特徴抽出に使用されるニューラルネットワーク。入力を圧縮して再構築する。
2023年Richards (Significant Gravitas)発表AutoGPT・Industry-leading autonomous LLM agent framework + Industry-leading first viral LLM agent + Industry-leading 150k+ GitHub stars + Industry-leading goal-driven autonomous task execution。
2024年成熟AutoGPT・Industry-leading goal-driven autonomous agent + Industry-leading Auto-GPT plugin system + Industry-leading 165,000+ GitHub stars + Industry-leading Significant Gravitas AutoGPT MIT goal-driven autonomous agent 2024。
Toran Bruce Richards 2023年3月発表自律 AI Agent。GPT-4 + Web 検索 + 自己批判ループで複雑タスク自動実行・GitHub Star 175k+
AutoGenはMicrosoft Researchが開発したマルチエージェントフレームワークで、会話ベースのエージェント間通信によりコード生成・データ分析・問題解決などの複雑なタスクを自動化する。GitHub Star 68,000超の最も人気のあるMASフレームワーク。
Microsoftが開発したオープンソースのマルチエージェントフレームワーク。複数のLLMエージェントが会話形式で協調し、コード生成・実行・デバッグなどの複雑なタスクを自律的に解決する。
Microsoftが開発したマルチエージェントLLMフレームワーク。複数のAIエージェントが会話を通じて協力してタスクを解決する「会話型マルチエージェント」アーキテクチャを採用。
Microsoft Research が開発したマルチエージェント会話フレームワーク。複数のLLMエージェントが会話形式で協調・議論・タスク実行する仕組みを提供し、コード生成・数学問題・リサーチ等の複雑なタスクを自動化する。2024年にv0.4で大規模リアーキテクチャ。