大規模言語モデルと外部リソースとを融合させたアプリケーションを作ろう－langchainのご紹介－ - Qiita

テクノロジーカテゴリーの変更を依頼記事元:

qiita.com/wwwcojp

78 usersがブックマークコメント

記事へのコメント3件

注目コメント
新着コメント

yarumato “LLMを実業務に適用するには越えなければならない課題。「学習データを元にモデルの再学習、出力の誤りへの対応」のハードルを越えるために役立つlangchainライブラリ（入力に応じて適切なToolを選択など）をご紹介”

2023/04/16 リンク

shunkeen “与えられた問題を部分問題に分解し、各部分問題についてどのような解決策をとるか（どの外部知識に処理を任せるか）判断するLLMも必要”／動的っぽさ。そのうち静的なフレームワークを欲しがる人が出てきそう。

2023/04/15 リンク

sh19910711 2022 / "langchain: LLMと外部リソース（データソースや言語処理系等）を組み合わせたアプリケーションの開発支援を目的としてHarrison Chaseさんが開発 / SQLDatabaseChain: ユーザーの入力をSQLite等のDBに問い合わせるクエリに変換"

2023/02/22 リンク

注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

規約違反を報告

大規模言語モデルと外部リソースとを融合させたアプリケーションを作ろう－langchainのご紹介－ - Qiita

はじめに近年、深層学習を用いた自然言語処理技術の進展が目覚ましいです。その中でも、GPT-3をはじめ... はじめに近年、深層学習を用いた自然言語処理技術の進展が目覚ましいです。その中でも、GPT-3をはじめとする大規模言語モデル（LLM）には大きな可能性を感じています。最近ですと、AI 技術者以外にも大きなインパクトを与えたChatGPTが記憶に新しいでしょう。今後もLLMの進化は止まらないと予想されており、私たちもどうやって活用するかを具体的に検討すべきフェーズに入ったのではないでしょうか。しかし、LLMを実業務に適用するとなると、越えなければならない課題がいくつも出てきます。今回は、以下にあげた第2・第3のハードルを越えるために役立つlangchainというライブラリをご紹介します。第1のハードル：機密データの扱い LLMはOpenAPIのGPT-3等、モデル自体は公開されておらずWebAPIだけが提供されているというパターンが多いです。そのため、機密データを社外に送信すると