Chain-of-Thought(思考の連鎖)
Chain-of-Thought(CoT)とは何かを解説:推論の過程を先に書かせてから答えさせることで、なぜモデルの正答率が上がるのか、どんな課題に効くのか、初心者が陥りがちな三つの誤解まで丁寧に押さえる。
Chain-of-Thought(CoT)とは何かを解説:推論の過程を先に書かせてから答えさせることで、なぜモデルの正答率が上がるのか、どんな課題に効くのか、初心者が陥りがちな三つの誤解まで丁寧に押さえる。
セルフコンシステンシー(Self-Consistency)はデコード戦略であり、新しいモデルではなく、追加の学習も不要です。同じ問題に対して、モデルにチェーン・オブ・ソート(Chain-of-Thought)で複数の異なる推論パスをサンプリングさせ、各パスの最終回答について多数決を取り、最も票を集め...
プロンプトは長ければ良いわけではありません。タスクの目的、重要な背景、譲れない条件を書いた後は、積み増した内容の限界効用はすぐにゼロになり、むしろ結果を悪化させます。要件同士が衝突すればモデルは都合の良いほうを実行し、重点が埋もれれば主従を取り違え、例とタスクが合わなければ例に引っ張られます。判断基...
解雇されたOpenAIの安全研究者3名が2026年10月7日、同社の取締役会と安全委員会に書簡を送り、その抜粋が10月8日にウォール・ストリート・ジャーナルなどによって報じられた。3名はJasmine Wang、Tomek Korbak、Mikita Balesniで、いずれも安全とアライメントのチ...
自己回帰とは、大規模モデルが文章を生成するときに使う基本的な方式のことです。すでに現れたトークンをもとに、次に来る可能性が最も高いトークンを予測し、新しく生成したトークンを入力の末尾に付け足して、さらに次を予測する、という循環を、終了マーカーが出るか長さの上限に達するまで繰り返します。チャットで回答...
OpenAI のアラインメント研究ブログは 2026 年 10 月 6 日、o3 の内部機構に関する研究を公開した。テーマは、モデルが課題そのものに取り組むのではなく、その課題がどう採点され、どう報酬付けされるかを考え始めたときに何が起きるかだ。研究チームは、このメタゲーミング行動に関わる内部信号の...
Chain-of-Thought(思考の連鎖、略してCoT)はプロンプト技術の一つで、モデルにいきなり答えを出させるのではなく、先に中間の推論ステップを書き出させ、最後に結論を出させる手法です。数学の問題では、答えの数字を直接出すのではなく、「未知数を置く→方程式を立てる→解く」という過程を先に書き...