© LayerX Inc. 3 LLMとRAG • LLMの制限 ◦ 学習時点で知識が止まっている(カットオフ) ◦ 社内用語や特定ドメインの専門知識がない ◦ 嘘(ハルシネーション)をつく可能性がある • RAG(Retrieval-Augmented Generation) ◦ 外部知識ベースから関連⽂書を検索し、LLMに最新のコンテキストを提供する ◦ リアルタイムで取得された情報を活⽤することで、正確で信頼性の⾼い回答を実現 LLMの制限とRAG © LayerX Inc. 4 LLMとRAG • 従来のRAGの仕組み ◦ ドキュメントをチャンク化し、Embedding(埋め込みベクトル)の類似度で検索する • 弱点 ◦ グローバルな意味構築ができない ▪ 上位数件の情報を取得して回答するため、ドキュメント全体を通して何が⾔えるか?と いう質問に答えられない • 例:「過去10年間

本記事は、AIに下書きを生成させた後、人によるファクトチェックや調整を慎重に行なった後に投稿しています。 こんにちは。AIエンジニアのYusukeです。 先日参加したハッカソンで、ひとつの発見がありました。 コード内に存在する複雑なアルゴリズムをわかりやすく説明するスライドを、コードから生成できる——というアイデアです。 アイデア出しから実装、プレゼンを準備する時間はわずか3時間。プレゼン資料をゼロから作っている余裕はありませんでした。そこで試したアプローチが思いのほかうまくいったので、記録として残しておきます。 ありがたいことに、この方法をハッカソンの運営の方がポストしてくださり、反響をいただいています。(12/4現在1600いいね&180リポスト) ハッカソンのプレゼン、今は実装からスライド生成までできる時代なの、めちゃくちゃ良い Claude Code で実装、コードからNoteb


Combinatorial Interview Problems �with Backtracking Solutions - From Imperative ProceduralProgramming to Declarative FunctionalProgramming - Part 1

This presentation explains Promise.try, which was standardized in ECMAScript 2025. InJavaScript Promises, while asynchronouserrors can be caught wi…

2025-11-23 「TSKaigi Hokuriku 2025」の登壇資料です。

リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く