1978件の用語
Anthropic Claude Tool Use(2024年5月-)。tools array定義(name/description/input_schema JSON Schema)・Claude tool_use stop_reason・tool_use_id+result return・Forced tool use(tool_choice: {type: tool, name: ...})・Auto tool choice・None choice・Parallel tool calls(multi-tool simultaneous・Opus 4.7 native)・Multi-step tool use loop(agent loop)・OpenAI Function Calling同等・Tool definitions in cache(prompt_cache対応)・Computer Use Tools(bash, str_replace_editor, computer)・Anthropic Cookbook examples・2026年 Tool Use + MCP統合 Agent定番。
AnthropicのClaude APIにおける外部ツール呼び出し機能。OpenAIのFunction Callingに相当するが、独自のコンテンツブロック形式を採用。
LLM外部API呼出機能。OpenAI Function Calling v3(parallel tools・strict mode)・Anthropic Tool Use・Google Gemini Automatic Function Calling・xAI Grok Tools・Qwen3 Agent mode・Llama 4 Tool Use・Mistral Function Calling・Gorilla LLM(Berkeley)・MCP Tools・LangGraph ToolNode・LlamaIndex Function Tool代表、Agent基盤。
LLMが複数の推論経路を木構造で探索し、最適解を選択するフレームワーク。Chain of Thoughtを拡張し、分岐・評価・バックトラックを可能にする。
LLMに複数の中間思考ステップを木構造で生成させ、BFS/DFSで探索しながら自己評価で枝刈りして推論精度を高めるPrompting手法。
LLMの推論をツリー構造で複数ブランチ展開し、各ノードを評価・探索するフレームワーク。Chain-of-Thoughtの線形推論を超え、バックトラック・最良優先探索でより難解な問題を解く。Princeton/Google 2023。
2023年Yao et al. + Princeton発表Tree-of-Thoughts paper・Industry-leading Tree-of-Thoughts reasoning paradigm + Industry-leading tree-search-based LLM reasoning + Industry-emerging ToT Princeton Pioneer。
2023年提案のLLMマージ前処理手法。ファインチューニング差分ベクトルのパラメータをランダムにドロップ（ゼロ化）し、残ったパラメータを1/p倍にリスケールすることで干渉を減らしてからマージする。
The Browser Companyが発表した、Arc Browserの後継となるAIネイティブ・ブラウザ。Web閲覧とチャット機能が高度に統合されており、自然言語による操作を主軸とした次世代のブラウジング体験を提供する。
米 The Browser Company 2024-2025年公開の AI ファースト ブラウザ。Arc Browser 後継 + AI チャット統合・「AI ブラウザ業界主流革命」.
Hugging Faceが開発するLLMの強化学習・選好学習ライブラリ。PPO・DPO・GRPO・KTO・ORPOなど最新の選好最適化アルゴリズムをTransformers/PEFTと統合して提供し、SFTTrainer・DPOTrainer・PPOTrainerの各コンポーネントが業界標準として広く使われる。
特定のダウンストリームタスクに関連するデータのみを用いてモデルを追加事前学習する手法。DAPTより小規模データで効率的に特化できる。
ドメイン固有の大量テキストで言語モデルを追加事前学習し、専門領域への適応性を高める手法。ACL 2020のDon't Stop Pretrainingで提案。
2023年Omar Khattab et al. (Stanford)発表DSPy・Industry-leading programming LMs declarative paradigm + Industry-leading prompt optimization compiler + Industry-leading Stanford DSPy + Industry-leading DSPy programming LMs paradigm shift 2023+。
2024年Stanford NLP発表DSPy・Industry-leading self-improving programs + Industry-leading signature-based programming + Industry-leading compile prompts automatically + Industry-leading Stanford NLP DSPy MIT self-improving LLM programs framework 2024。
プログラミング的プロンプト最適化。DSPy(Stanford・2024-・LLM Signature + Modules + Optimizers)・Signature(input/output type定義)・Module(ChainOfThought/Predict)・Optimizer(BootstrapFewShot/MIPROv2)・dspy.configure(LM provider)・Self-Improving Prompts・Teleprompter・Signature optimization・Retrieval Augmentation・Production Ready DSPy 2.5対応・Google TextGrad・OpenAI Meta-Prompting補完・2026年エージェント品質向上で台頭。
2024年HuggingFace発表TGI v2.0+・Industry-leading production-ready LLM serving + Industry-leading HuggingFace Hub native integration + Industry-leading FlashAttention 2 + Industry-leading Apache 2.0 + commercial restriction HuggingFace LLM serving framework。
2024年Alibaba DAMO Academy + UCLA共同発表DCA paper・Industry-emerging Dual Chunk Attention training-free length extrapolation paradigm + Industry-leading intra-chunk + inter-chunk attention dual paradigm + Industry-leading training-free長コンテキスト適用 + Industry-leading Qwen2.5 + Llama Industry-leading adoption。
Apple・CMU・ワシントン大学等が共同開発したLLM事前学習データキュレーションフレームワーク。4兆トークン以上を収録し、フィルタリング手法の系統的比較実験を通じて最適なデータ選択手法を研究する。
2023年Stanford NLP公開DSPy。Pro 業界Pro Mainstream Prompt自動最適化Framework先駆 + Pro Stanford NLP + Pro Omar Khattab Pro主要研究員 + Pro Signature/Module/Optimizer + Pro Apache 2.0 + Pro DSPy 2.5 BetterTogether + 累計2023-2026年3年Heritage継承代表機。