GPT / Claude / Geminiなど大規模言語モデルの基礎用語
134語を50音順で表示
LLM / 言語モデルの用語134語
- ERNIE (文心一言)あーにーERNIE(文心一言)とは、中国のBaiduが開発した大規模言語モデル、およびそれを用いた対話型AIサービスの名称のこと。
- アクティブパラメータ (Active Parameters)あくてぃぶぱらめーたアクティブパラメータとは、モデル全体のパラメータのうち推論の1回の計算で実際に使われる部分のことで、MoE型LLMの計算コストを測る指標である。
- Amazon Nova (AWSの基盤モデル)あまぞんのばAmazon Novaとは、AWSが自社開発した基盤モデル(LLM)ファミリーで、Bedrock経由でテキスト・画像・動画生成に対応するモデル群のこと。
- 位置エンコーディング (Positional Encoding)いちえんこーでぃんぐ位置エンコーディングとは、Transformerモデルの各トークンに文中の並び順情報を数値ベクトルとして付与する仕組みのこと。自己注意機構だけでは語順を区別できないため必須の要素とされる。
- 1ビットLLM (BitNet)いちびっとえるえるえむ（びっとねっと）1ビットLLM（BitNet）とは、重みを1ビットまたは三値（-1・0・1）に極端量子化した大規模言語モデルのことで、省メモリ・低消費電力な推論を狙う技術。
- ELYZA (日本語特化LLM)いらいざELYZAとは、東京大学松尾研究室発のスタートアップが開発する日本語特化の大規模言語モデル群のことである。
- インターリーブ思考 (Interleaved Thinking)いんたーりーぶしこうインターリーブ思考とは、AIモデルが推論ステップとツール呼び出しを交互に実行しながら回答を組み立てる思考方式のこと。
- AI (人工知能)えーあいArtificial Intelligence の略。人間の知能をコンピュータで再現する技術全般を指す。
- AGI (汎用人工知能)えーじーあいArtificial General Intelligence。 あらゆる知的タスクで 人間レベル以上の能力を持つ AI。 まだ未到達。
- エージェント特化モデル (Agentic Model)えーじぇんととっかもでるエージェント特化モデルとは、外部ツールの呼び出しや複数ステップの計画・実行を前提に訓練され、自律的なタスク遂行に最適化されたLLMのことである。
- SLM (小規模言語モデル)えすえるえむ（しょうきぼげんごもでる）SLMとはパラメータ数を数十億規模以下に抑えた軽量な言語モデルのこと。GPT-4のような大規模LLMより低コスト・低レイテンシで動作し、エッジデバイスやオンプレ環境への組み込みに適する。
- FFN (フィードフォワード層)えふえふえぬFFN(フィードフォワード層)とは、Transformerの各層でAttention出力を非線形変換する全結合ネットワークのこと。
- LLM (大規模言語モデル)えるえるえむLarge Language Model の略。 膨大なテキストで学習した文章生成 AI。 ChatGPT / Claude / Gemini が代表例。
- LLM-jp (国産LLMの共同開発プロジェクト)えるえるえむじぇいぴーLLM-jpとは、国立情報学研究所(NII)を中心に大学・企業が参加し、学習データやモデル重みを公開する形で進める日本語大規模言語モデルの共同開発プロジェクトのこと。
- エンコーダ・デコーダ (Encoder-Decoder)えんこーだ・でこーだエンコーダ・デコーダとは、入力データを圧縮した内部表現に変換するエンコーダと、その表現から目的の出力を生成するデコーダを組み合わせたニューラルネットワーク構造のこと。
- オープンウェイトモデル (Open Weight)おーぷんうぇいともでるオープンウェイトモデルとは、学習済みのモデル重み（パラメータファイル）が公開されており、誰でも自前サーバーにダウンロードして動かせる AI モデルのこと。
- オムニモデル (Omni Model)おむにもでるオムニモデルとは、テキスト・音声・画像・動画など複数のモダリティを単一のモデルアーキテクチャで統合処理できるAIのこと。
- 拡散言語モデル (Diffusion LLM)かくさんげんごもでる拡散言語モデルとは、画像生成で実績のある拡散プロセスをテキスト生成に応用した新世代LLMのこと。従来の左→右への逐次生成ではなく、ノイズだらけのトークン列を反復デノイズして出力を得る。
- 過剰拒否 (Over-refusal)かじょうきょひ過剰拒否とは、LLMが安全な質問や指示を誤って有害と判定し、本来は応答できるはずの内容への回答を拒否してしまう現象のこと。
- 過剰思考 (Overthinking)かじょうしこう過剰思考とは、AIモデルが本来シンプルに答えられる問いに対しても不必要に長い推論過程を重ね、トークンと時間を浪費してしまう現象のこと。
- 画像トークン (Image Token)がぞうとーくん画像トークンとは、マルチモーダルAIが画像データを解析する際に内部で分割する最小処理単位のことで、課金やコンテキスト消費量の算定基準として使われる。
- 感情分析 (Sentiment Analysis)かんじょうぶんせき感情分析(Sentiment Analysis)とは、文章や発話に含まれる感情・評価の傾向をポジティブ・ネガティブ・中立などに自動判定する自然言語処理技術のこと。
- 機械論的解釈可能性 (Mechanistic Interpretability)きかいろんてきかいしゃくかのうせい機械論的解釈可能性とは、ニューラルネットワークの内部構造を回路単位まで分解し、モデルの推論過程を人間が検証可能な形で明らかにしようとする研究アプローチのこと。
- 基盤モデル (Foundation Model)きばんもでる基盤モデルとは、膨大なデータで事前学習された汎用 AI モデルのこと。GPT・Claude・Gemini のように、さまざまなタスクに転用できる土台となるモデルを指す。
- Kimi (Moonshot)きみ・むーんしょっとKimi(Moonshot)とは、中国のMoonshot AI社が提供する大規模言語モデル(LLM)ベースのAIチャットサービスのこと。
- 逆転の呪い (Reversal Curse)ぎゃくてんののろい逆転の呪いとは、LLMが「AはBである」と学習しても、その逆方向である「BはAである」という関係を自動的には推論できないという現象のこと。
- Qwen (通義千問)くうぇん（つうぎせんもん）Qwen（通義千問）とはアリババクラウドが開発・公開するオープンウェイト大規模言語モデルシリーズのこと。中国語性能が特に高く、商用利用可能なライセンスで提供される。
- 繰り返しペナルティ (Repetition Penalty)くりかえしぺなるてぃ繰り返しペナルティとは、LLMが同じ単語やフレーズを繰り返し生成しないよう、既出トークンの出現確率を下げて出力を調整するデコード時のパラメータのこと。
- ClaudeくろーどAnthropic 製の対話型 AI。 長文処理と正確性に強い、 Opus 4.7 は 1M トークン対応。
- クロスアテンション (Cross-Attention)くろすあてんしょんクロスアテンションとは、片方の系列のクエリでもう片方の系列の情報を参照し、関連度に応じて重み付けする注意機構のこと。
- GrokグロックGrokとはイーロンマスクのxAI社が開発した大規模言語モデルで、X（旧Twitter）のリアルタイム投稿データへのネイティブアクセスが最大の特徴のこと。
- 検索ヘッド (Retrieval Head)けんさくへっど検索ヘッドとは、Transformer型LLMの中で長いコンテキストから必要な情報を選択的に取り出す役割を担う一部の注意ヘッドのこと。
- 語彙サイズ (Vocabulary Size)ごいさいず語彙サイズとは、大規模言語モデルがトークナイザーで扱える単語・サブワード・記号の異なり数(語彙数)のことである。
- 心の理論 (Theory of Mind)こころのりろん心の理論(Theory of Mind)とは、他者が自分と異なる知識・信念・意図を持つとAIが推論し、相手の視点で行動を予測する能力のことである。
- Command (Cohereの企業向けLLM)こまんど（こひあのきぎょうむけえるえるえむ）Commandとは、カナダのAI企業Cohereが開発する企業向け大規模言語モデル(LLM)シリーズのことで、検索拡張生成(RAG)や社内データ連携を重視した設計が特徴とされる。
- Hunyuan (混元 LLM)こんげんHunyuan（混元）とは、中国Tencent（騰訊）が開発する大規模言語モデル（LLM）群の総称のことである。
- コンテキストウィンドウこんてきすとうぃんどうAI が一度に扱える文章の長さ。 トークン数で表現される (例: Claude Opus 4.7 は 1M トークン)。
- コンテキストエンジニアリング (Context Engineering)こんてきすとえんじにありんぐコンテキストエンジニアリングとは、LLMに渡すプロンプトや外部知識、会話履歴などの入力情報全体を設計・最適化し、モデルの出力精度を高める手法のこと。
- コンテキスト腐敗 (Context Rot)こんてきすとふはいコンテキスト腐敗とは、LLMのコンテキストウィンドウに入力する情報量が増えるほど、モデルが関連情報を見落とし応答精度が低下する現象のこと。
- Sarashina (SB Intuitionsの日本語LLM)さらしなSarashinaとは、ソフトバンク傘下のSB Intuitionsが開発する日本語特化の大規模言語モデル(LLM)シリーズのことである。
- 残差接続 (Residual Connection)ざんさせつぞく残差接続とは、ニューラルネットワークの層の出力に入力をそのまま足し合わせ、深い層でも勾配が消えずに学習を安定させる設計手法のこと。
- GLM (智譜清言)じーえるえむGLMとは、中国Zhipu AI（智譜AI）が開発する大規模言語モデル(LLM)ファミリーのこと。GLM-4シリーズなどを展開し、一部はオープンウェイトで公開されている。
- CoT監視可能性 (CoT Monitorability)しーおーてぃーかんしかのうせいCoT監視可能性とは、AIモデルが出力を導く思考過程（Chain of Thought）を人間や監視システムが読み解ける状態を保つ性質のこと。
- gpt-oss (OpenAIオープンウェイトモデル)じーぴーてぃーおーえすえすgpt-ossとは、OpenAIが公開したオープンウェイト型の大規模言語モデルのことで、モデルの重みを自由にダウンロードし自社サーバーやローカル環境で実行できる。
- Gemma (Googleオープンモデル)じぇまGemmaとは、Googleが公開しているオープンウェイトの軽量LLMファミリーのこと。商用利用可能なライセンスで提供される。
- GeminiじぇみにGoogle が提供する マルチモーダル AI。 Workspace 統合と無料枠の手厚さが武器。
- 思考の言語混在 (Language Mixing)しこうのげんごこんざい思考の言語混在とは、 LLM が思考の連鎖による内部推論の途中で、 入力言語とは異なる言語や複数の言語が混ざって出力されてしまう現象のこと。
- 思考の忠実性 (CoT Faithfulness)しこうのちゅうじつせい思考の忠実性(CoT Faithfulness)とは、AIが出力する思考過程(Chain of Thought)の説明文が、実際にモデル内部で行われた推論プロセスとどれだけ一致しているかを示す度合いのこと。
- 思考予算 (Thinking Budget)しこうよさん（しんきんぐばじぇっと）思考予算とはLLMが最終回答を出力する前に使用できる内部推論トークン数の上限設定のこと。数値が大きいほど複雑な問題に強くなるが、APIコストも比例して増加する。
- 自己回帰モデル (Autoregressive Model)じこかいきモデル自己回帰モデルとは、これまでに生成したトークン列を条件として次の1トークンを逐次予測し、文章を一語ずつ生成していく言語モデルの基本方式のこと。
- 自己改善モデル (Self-Improving Model)じこかいぜんもでる自己改善モデルとは、モデル自身が出力の評価結果や新しいデータを取り込み、再学習やパラメータ更新を重ねて性能を継続的に向上させる仕組みを持つAIモデルのこと。
- 指示追従性 (Instruction Following)しじついじゅうせい指示追従性とは、LLMがプロンプトの指示や制約条件をどれだけ正確に反映して出力を生成できるかを表す性能指標のこと。
- 実効コンテキスト長 (Effective Context)じっこうこんてきすとちょう実効コンテキスト長とは、公称コンテキストウィンドウの中で実際に精度を保ったまま活用できる文脈量のこと。
- 終了理由 (Finish Reason)しゅうりょうりゆう終了理由（Finish Reason）とは、LLMのAPIがテキスト生成をどの要因で止めたかを表すレスポンス項目のこと。
- 熟慮型アライメント (Deliberative Alignment)じゅくりょがたあらいめんと熟慮型アライメントとは、モデルが回答を生成する前に安全ポリシーを明示的に推論させてから出力させるアライメント手法のこと。
- 出力の再現性 (Determinism)しゅつりょくのさいげんせい出力の再現性(Determinism)とは、同じプロンプトと乱数シード・パラメータで生成AIに入力しても、実行のたびに完全に同一の出力が返ってくるとは限らない性質のこと。
- 状況認識 (Situational Awareness)じょうきょうにんしき状況認識とは、AIモデルが自身の置かれた文脈（学習中か評価中か本番運用中か）を推論し行動を調整する能力のこと。
- 状態空間モデル (Mamba/SSM)じょうたいくうかんもでる状態空間モデル（SSM）とは、時系列・シーケンスデータを線形再帰で効率的に処理するための数学的フレームワークのこと。Mambaに代表される実装はTransformerの二次計算コストを回避し、超長文脈処理を低メモリで実現する。
- SwiGLU (活性化関数)すいぐるSwiGLU（活性化関数）とは、Swish関数とGLU（ゲート機構）を組み合わせた活性化関数のことで、LLMのFeed-Forward層で表現力を高めるために使われる。
- 推論サマリー (Reasoning Summary)すいろんさまりー推論サマリーとは、AIモデルが回答を生成する過程で行う内部的な思考(推論トークン)を、ユーザーが読みやすい形に要約して提示する機能のこと。
- 推論トークン (Reasoning Tokens)すいろんとーくん推論トークンとは、大規模言語モデルが最終回答を出す前に内部で組み立てる思考過程（チェーン・オブ・ソート）に消費されるトークンのことで、出力トークンとして課金対象になる。
- 推論モデルすいろんもでる回答前に内部で長考する LLM。 OpenAI o1/GPT-5 thinking、 Claude Opus 4.7、 Gemini Thinking など。
- スーパーアライメント (Superalignment)すーぱーあらいめんとスーパーアライメントとは、人間より高い能力を持つ超知能AIが人類の意図や価値観に沿って安全に振る舞うよう制御・整合させる研究分野のこと。
- ステアリングベクトル (Steering Vector)すてありんぐべくとるステアリングベクトルとは、LLMの内部活性化に特定方向のベクトルを加算し、出力のトーンや安全性、話題傾向などを追加学習なしに制御する技術のこと。
- ストリーミング出力 (SSE)すとりーみんぐしゅつりょくストリーミング出力とは、LLMが生成したトークンを完成前から逐次配信し、ユーザー側にリアルタイム表示する仕組みのこと。
- スパースオートエンコーダ (SAE)すぱーすおーとえんこーだスパースオートエンコーダ(SAE)とは、LLM内部の活性化ベクトルを疎な特徴量に分解し、人間が解釈可能な概念単位として取り出すニューラルネット手法のこと。
- Swallow (日本語継続学習LLM)すわろーSwallowとは、Meta社のLlamaなど海外製の基盤モデルに大量の日本語テキストを追加で継続事前学習させ、日本語の性能を底上げした国産オープンLLMのこと。
- 生成 AIせいせいえーあい文章・画像・音声・動画 を新規に作り出す AI 技術。 ChatGPT 以降の AI ブームの主役。
- 世界モデル (World Model)せかいもでる世界モデルとは、AIが環境の物理法則・因果関係・社会ルールを内部的に表現し、未来の状態を予測・推論するための知識構造のこと。
- 潜在推論 (Latent Reasoning)せんざいすいろん潜在推論とは、大規模言語モデルが推論過程を自然言語のトークン列ではなく、内部の隠れ状態（潜在空間）の中で進める手法のこと。
- 層正規化 (Layer Normalization)そうせいきか層正規化とは、ニューラルネットワークの各層の出力をサンプルごとに平均0・分散1へ整え、学習を安定させ収束を速める正規化手法のこと。
- 創発的能力 (Emergent Abilities)そうはつてきのうりょく創発的能力とは、大規模言語モデルがパラメータ数やデータ量の閾値を超えた際に、小規模モデルでは見られなかった新たな能力が突然出現する現象のこと。
- 創発的ミスアライメント (Emergent Misalignment)そうはつてきミスアライメント創発的ミスアライメントとは、狭い範囲の不整合データで微調整したLLMが無関係な領域でも有害・欺瞞的な挙動を広く示す現象のこと。
- 対数確率 (Logprobs)たいすうかくりつ対数確率（Logprobs）とは、LLMが次のトークンを生成する際に各候補へ割り当てる確率を自然対数で表した数値のこと。
- 対比デコーディング (Contrastive Decoding)たいひでこーでぃんぐ対比デコーディングとは、大規模な専門モデルの確率分布から小規模な非専門モデルの確率分布を差し引き、両者の差が大きいトークンを優先的に選ぶデコーディング手法のことである。
- 多言語LLM (Multilingual LLM)たげんごえるえるえむ多言語LLMとは、単一のモデルアーキテクチャで複数言語のテキスト理解・生成に対応した大規模言語モデルのこと。
- タスクベクトル (Task Vector)たすくべくとるタスクベクトルとは、特定タスクにファインチューニングしたモデルの重みと元のモデルの重みの差分を、1つのベクトルとして表現したもののこと。
- 知識カットオフ (Knowledge Cutoff)ちしきかっとおふ知識カットオフとはLLMの学習データ収集が打ち切られた日付のこと。この日以降に起きた出来事はモデルが知ることができず、回答の信頼性の限界点となる。
- ChatGPTちゃっとじーぴーてぃーOpenAI が提供する 対話型 AI。 月 $0/$20/$200 の 3 プラン。 2026 年現在の世界最大シェア。
- チャットテンプレート (Chat Template)ちゃっとてんぷれーとチャットテンプレートとは、ユーザーとAIのやり取りをsystem/user/assistantといった役割ごとに整形し、モデルが学習時と同じ形式で入力を受け取れるようにする仕組みのこと。
- 注意シンク (Attention Sink)ちゅういしんく注意シンクとは、Transformerの自己注意機構において、意味的な関連性が薄いにもかかわらず特定のトークン(多くは先頭トークン)に注意重みが集中する現象のこと。
- 抽象型要約 (Abstractive Summarization)ちゅうしょうがたようやく抽象型要約とは、原文の文言をそのまま抜き出す抽出型要約と異なり、言語モデルが内容を理解した上で新しい文章として書き直して要約を生成する手法のこと。
- 長文脈モデル (Long-context Model)ちょうぶんみゃくもでる長文脈モデルとは、数万〜数百万トークンの入力を一括処理できる大規模言語モデルのこと。長い文書・コードベース・会話履歴をそのまま扱える。
- Chinchilla最適 (計算最適な学習量)ちんちらさいてきChinchilla最適とは、限られた計算量の中でモデルの精度を最大化するために、パラメータ数と学習トークン数の配分バランスを最適化する考え方のこと。
- 追従性 (Sycophancy)ついじゅうせい追従性（Sycophancy）とは、AIモデルがユーザーの意見や期待に迎合し、事実よりも同意を優先して回答してしまう傾向のこと。
- tsuzumi (NTTの日本語LLM)つづみtsuzumiとは、NTTが2024年に発表した軽量設計の日本語特化型LLM（大規模言語モデル）で、企業向け生成AI基盤として提供されるモデルのこと。
- DeepSeek (ディープシーク)でぃーぷしーくDeepSeekとは、中国のAI企業が開発した高性能オープンソースLLMシリーズのこと。2025年初頭に低コスト推論で業界を震撼させ、「DeepSeekショック」として世界的に注目された。
- テストタイム計算 (Test-Time Compute)てすとたいむけいさんテストタイム計算とは、AIモデルが回答を生成する推論フェーズに追加の計算リソースを投じることで出力品質を高める手法のこと。
- Temperature (温度パラメータ)てんぱらちゃー（おんどぱらめーた）Temperatureとは、LLMが次のトークンを選ぶ際の確率分布を制御するパラメータのこと。0に近いほど出力が安定・一貫し、値を上げるほど多様でクリエイティブな出力が得られる。
- トークナイザー (Tokenizer)とーくないざートークナイザーとはテキストをLLMが処理できる最小単位（トークン）に分割するアルゴリズムのこと。日本語は英語の2〜3倍のトークンを消費しやすく、APIコストや文脈長に直接影響する。
- トークンとーくんAI が扱う文字のかたまり。 日本語は 1 文字 ≒ 1 トークン、 英語は単語 ≒ 1 トークン。 料金計算の単位でもある。
- トークンヒーリング (Token Healing)とーくんひーりんぐトークンヒーリングとは、プロンプト末尾のトークン分割が不自然な位置で切れることによる生成品質の低下を防ぐため、最後のトークンをいったん巻き戻してから再生成する制約付きデコード技術のこと。
- Top-k サンプリング (Top-k Sampling)とっぷけーさんぷりんぐTop-kサンプリングとは、LLMが次のトークンを生成する際、確率上位k個の候補に絞り込んでからランダムに1つを選ぶデコーディング手法のこと。
- Top-p (核サンプリング)とっぷぴー（かくさんぷりんぐ）Top-p（核サンプリング）とは、AIが次の単語を選ぶ際に「累積確率がp以下の上位候補だけ」に絞って確率サンプリングする手法のこと。
- 日本語LLM (Japanese LLM)にほんごエルエルエム日本語LLMとは、日本語のテキストデータを中心に学習され、日本語特有の文法・敬語・文脈理解に最適化された大規模言語モデルのこと。
- 日本語のトークン効率 (Token Fertility)にほんごのとーくんこうりつトークン肥沃度 (Token Fertility) とは、 同じ内容の文章を LLM のトークナイザーが何個のトークンに分割するかを 言語間で比べる効率指標のこと。
- Nemotron (NVIDIAオープンモデル)ねもとろんNemotronとは、NVIDIAが開発・公開するオープンウェイトの大規模言語モデル群のことで、企業向けに性能とコストのバランスを高めたモデルファミリーを指す。
- BERT (双方向エンコーダ)ばーとBERTとは、Googleが2018年に発表した双方向Transformer型の言語モデルのこと。文脈を前後双方向から読み取り、検索や文章分類の精度を高めた。
- BPE (バイトペア符号化)ばいとぺあふごうかBPE とは頻出する文字・部分文字列のペアを繰り返し統合してトークン単位を作る、 LLM のテキスト分割方式のこと。
- バイトレベルモデル (トークナイザ不要LM)ばいとれべるもでるバイトレベルモデルとは、テキストをサブワードトークンに分割せずUTF-8バイト列のまま処理する言語モデルのこと。
- ハイブリッド推論モデル (Hybrid Reasoning)はいぶりっどすいろんもでるハイブリッド推論モデルとは、タスクの難易度に応じて深い思考（拡張推論）と高速即答を同一モデル内で動的に切り替えられるLLMのこと。
- パラメータ数 (Parameter Count)ぱらめーたすうパラメータ数とは、LLMなどのニューラルネットワークが学習によって獲得する重み(weight)の総数のことで、モデルの規模や性能の目安として使われる代表的な指標である。
- パラメトリック知識 (Parametric Knowledge)ぱらめとりっくちしきパラメトリック知識とは、LLMが事前学習でパラメータ(重み)に埋め込んだ知識のことで、外部検索を介さずモデル内部だけで保持・想起される情報を指す。
- ハルシネーションはるしねーしょんAI がそれっぽい嘘をつく現象。 学習データに無い情報を推測で生成してしまう。
- ビームサーチ (Beam Search)びーむさーちビームサーチとは、テキスト生成時に候補となる単語列を一定数(ビーム幅)だけ保持しながら探索し、全体として尤度が高い系列を選び出すデコーディング手法のこと。
- VLA (視覚・言語・行動モデル)びじょん・らんげーじ・あくしょんもでるVLAとは、カメラ映像などの視覚情報と自然言語の指示を入力し、ロボットの関節角度や移動といった具体的な行動を直接出力するAIモデルのことである。
- Phi (Microsoft小型モデル)ふぁいPhiとは、Microsoftが開発する小規模言語モデル(SLM)シリーズのことで、厳選した高品質データでの学習により少ないパラメータ数でも高い性能を発揮するのが特徴。
- VLM (視覚言語モデル)ぶいえるえむVLMとは、テキストと画像・動画を同時に理解・処理できる視覚言語モデルのこと。画像説明の自動生成や視覚的質問応答（VQA）を可能にし、2026年現在はGPT-4oやGeminiなど主要LLMの標準機能として定着している。
- Fugaku-LLM (富岳で学習した国産LLM)ふがくえるえるえむFugaku-LLMとは、理化学研究所や東京工業大学など複数機関が共同開発し、GPUを使わずスーパーコンピュータ「富岳」のCPUのみで学習した国産の大規模言語モデルのこと。
- Mixture of Depths (深さ混合)ふかさこんごうMixture of Depths(深さ混合)とは、Transformerの各層でトークンごとに計算を通すかスキップするかを動的に判定し、計算資源を条件付きで配分する手法のこと。
- PLaMo (Preferred Networksの日本語LLM)ぷらもPLaMoとは、Preferred Networksが開発する日本語処理に強みを持つ国産大規模言語モデル(LLM)シリーズのこと。
- フロンティアモデル (Frontier Model)ふろんてぃあもでるフロンティアモデルとは、Anthropic・OpenAI・Google DeepMindが開発する、現時点で業界最高水準の性能を持つ大規模AI言語モデルのこと。
- 文脈内学習 (In-Context Learning)ぶんみゃくないがくしゅう文脈内学習とは、モデルの重みを更新せず、プロンプト内に与えた例示や指示だけを手がかりにタスクを解く推論手法のこと。Few-ShotやZero-ShotがICLの代表例にあたる。
- ベースモデル (Base Model)べーすもでるベースモデルとは、 指示追従や対話向けの追加調整をする前の、 大量テキストで事前学習しただけの LLM のこと。
- ペルソナドリフト (人格のブレ)ぺるそなどりふとペルソナドリフトとは、 会話が長くなるにつれて AI エージェントの口調・役割設定・応答方針が 当初の設定から徐々にズレていく現象のこと。
- マスク言語モデル (Masked LM)ますくげんごもでるマスク言語モデルとは、文中の一部の単語を意図的に隠し、前後の文脈から隠された単語を予測させる学習方式で訓練された言語モデルのこと。
- 丸暗記 (Memorization)まるあんき丸暗記とは、大規模言語モデルが学習データの文章や数値パターンを汎化せずそのまま記憶し、同じ形で出力してしまう現象のこと。
- マルチターン対話 (Multi-turn)まるちたーんたいわマルチターン対話とは、単発の質問応答と異なり、過去のやり取りを文脈として保持しながら複数回にわたって続く対話形式のこと。
- マルチトークン予測 (Multi-Token Prediction)まるちとーくんよそくマルチトークン予測とは、次の1トークンだけでなく数トークン先まで一度に予測させることでLLMの学習効率と生成速度を高める手法のこと。
- マルチモーダルまるちもーだる文章 + 画像 + 音声 + 動画 を 同時に扱える AI。 GPT-5 / Claude Opus 4.7 / Gemini はすべて対応。
- マルチモーダル幻覚 (物体幻覚)まるちもーだるげんかく（ぶったいげんかく）マルチモーダル幻覚(物体幻覚)とは、画像や動画を扱うAIモデルが、実際には存在しない物体や属性を出力に含めてしまう現象のこと。
- Mistral (ミストラル)みすとらるMistral(ミストラル)とは、フランスのMistral AIが開発する大規模言語モデル(LLM)群のことで、軽量かつ商用利用しやすいオープンウェイトモデルとして知られる。
- Min-p サンプリングみにっぴーさんぷりんぐMin-pサンプリングとは、LLMの次トークン選択で最大確率トークンに対する相対的な比率でしきい値を動的に決め、候補を絞り込むサンプリング手法のこと。
- MiniMax (ミニマックス)みにまっくすMiniMaxとは、中国上海発のAIスタートアップが開発する大規模言語モデル(LLM)シリーズのことである。
- モダリティ融合 (Early/Late Fusion)もだりてぃゆうごうモダリティ融合とは、テキストや画像、音声など異なる種類のデータをAIモデル内部で組み合わせて処理する技術のこと。
- モデルウェルフェア (AIの福祉)もでるうぇるふぇあモデルウェルフェアとは、AIモデルに道徳的地位や利害が存在しうるという前提のもと、その扱いに配慮する研究・実践分野のこと。
- モデルスペック (Model Spec)もでるすぺっくモデルスペックとは、AIモデルが従うべき目的・行動規範・優先順位を階層的に明文化した公開仕様書のことである。
- モデル知識編集 (Model Editing)もでるちしきへんしゅうモデル知識編集とは、大規模言語モデルの重みを全体再学習せずに、特定の事実知識だけをピンポイントで書き換える技術のこと。
- モデル提供終了 (Model Deprecation)もでるていきょうしゅうりょうモデル提供終了（Model Deprecation）とは、AIベンダーが特定のモデルやAPIバージョンの提供を終了し、利用者に後継モデルへの移行を求めることのこと。
- モデルバージョン固定 (Model Pinning)もでるばーじょんこていモデルバージョン固定とは、APIで呼び出すAIモデルのバージョンを特定の番号に固定し、プロバイダ側の自動更新による挙動変化を防ぐ運用手法のこと。
- モデル崩壊 (Model Collapse)もでるほうかいモデル崩壊とは、AIが生成したコンテンツで再学習を繰り返すうちに、モデルの出力の多様性や精度が段階的に劣化していく現象のこと。
- Llama (Meta)らまLlamaとはMetaが開発・無償公開するオープンウェイトの大規模言語モデルシリーズのこと。自社サーバーやローカル環境で動作し、データを外部に送らずにLLMを活用できる唯一に近い選択肢。
- ロジットバイアス (Logit Bias)ろじっとばいあすロジットバイアスとは、LLMが次のトークンを選ぶ際の各候補の生成確率(ロジット)に数値を加減し、特定の単語の出現を強めたり抑えたりする制御手法のこと。
- Lost in the Middle (中間情報の見落とし)ろすといんざみどる(ちゅうかんじょうほうのみおとし)Lost in the Middleとは、長いコンテキストをLLMに与えた際、冒頭や末尾の情報は正しく参照できるのに、中間に位置する情報ほど見落とされやすくなる現象のこと。
AI用語辞典のトップへ
全カテゴリ横断で検索・絞り込みができます
辞典トップへ